deletions | additions       diff --git a/untitled.tex b/untitled.tex  index 32f6573..f654998 100644  --- a/untitled.tex  +++ b/untitled.tex 
...
\selectlanguage{russian}Т.к. все входящие в \selectlanguage{english}$e(t+1)$\selectlanguage{russian}) случайные величины независимые и средние значения ошибок сенсора и модели равны нулю: \selectlanguage{english}$E[E_{t}]=E[N_{t+1}]=0$\selectlanguage{russian}, и все перекрестные значения равны нулю:\selectlanguage{english}$E[E_{t}*N_{t+1}]=E[e(t)*E_{t}]=E[e(t)*N_{t+1}]=0$\selectlanguage{russian},то получаем:  \selectlanguage{english}$$  E(e^{2}(t+1))=(1-K_{t+1})^{2}*(E(e^{2}(t))+D(E_{t}))+K^{2}_{t+1}*D(N_{t})  $$  \selectlanguage{russian}Где \selectlanguage{english}$D(E_{t})$\selectlanguage{russian} и \selectlanguage{english}$D(N_{t+1})$\selectlanguage{russian}-дисперсии случайных величин \selectlanguage{english}$E_{t}$\selectlanguage{russian} и \selectlanguage{english}$N_{t+1}$.  \selectlanguage{russian}Найдем минимальное значение для этого выражения (т.е. найдем производную):  \selectlanguage{english}$$  -2*(1-K_{t+1})*(E(e^{2}(t))+D(E_{t}))+2*K_{t+1}*D(N_{t})=0\\  -E(e^{2}(t))–D(E_{t})+K_{t+1}*E(e^{2}(t))+K_{t+1}*D(E_{t})+K_{t+1}*D(N_{t})=0\\  K_{t+1}=\frac{E(e^{2}(t))+D(E_{t})}{E(e^{2}(t))+D(E_{t})+D(N_{t})}  $$