Обозначим через л — исходное, а и' — дополнительное число
наблюдений, тогда среднее и дисперсия для объема выборки и + и'
имеют вид:
— 
1 
п+й'
бл+й' 
Х:‚ + 
, 
Хі‚/‹ ‚ 
(8 1 7)
п + п 
И + Й К=п+1\
где К — временной индекс, номер наблюдсния.
и -1 
п+й 
<— 
›
Бі,пт’ = 
, 
Ві‚п + — 
2 (Х Хі‚п)
й+яи -1 
п+п —1 
к=л+1 
(8.18)
1 
п+п 
— 
2
— 
Х., - Х. 
‚
(л+и'(и + И' -1) ! ;н( ы 
„)
Более сложное выражение будет для вычисления изменения
коэффициента корреляции при добавлении и’ точек (здесь не при-
водится).
В практических расчетах пересчет на каждом шаге осуществ-
ляется по рекуррснтным соотношениям. Подобная адаптационная
схема наиболее употребима при размерности вектора-предиктора,
не превышающей 10.
Для отбора группы репрезентативных предсказателей и по-
строения прогностических зависимостей может быть использован
следующий метод [63]. В отличие от метода полного перебора и
«просеивания» здесь не только осуществляется отбор системы
предсказателей, дающих наилучший результат для данной выборки,
но и производится проверка устойчивости полученного решения.
Обычно в качестве показателя информативности некоторой
группы предикторов используется коэффициент множественной
корреляции. Однако, во-первых, он является по существу только
показателем тесноты аппроксимации и, как показывает практика
гидрологических прогнозов, не всегда хорошо отражает точность
будущих прогнозов. Во-вторых, известно, что оптимальное число
предикторов не может быть выявлено с его помощью, поскольку
с добавлением очередного предсказателя коэффициент множест-
венной корреляции растет.
Более эффективным в этом смысле является коэффициент про-
гностической информативности [54]. Ряды наблюдений за предик-
торами Х, Х, ..., Х И предиктантом У делятся на две группы:
292