deletions | additions       diff --git a/section_matlab_ref_lab1_ref__.tex b/section_matlab_ref_lab1_ref__.tex  index 6c7f942..568b565 100644  --- a/section_matlab_ref_lab1_ref__.tex  +++ b/section_matlab_ref_lab1_ref__.tex 
...
Описанный выше алгоритм с заданными параметрами (\ref{lab1}) , (\ref{lab2}) был реализован на языке высокого уровня matlab.   На рисунке (рис. \ref{ris1:image}) изображены 4 3  графика - график зависимости реальной координаты от времени, подчиняющийся уравнению (\ref{lab1}) (изображен красным цветом), график сенсора наблюдения  - наблюдаемая величина (\ref{lab2}) (зеленая пунктирная линия) и график рассчитанных фильтром значений(сплошная значений (\ref{lab10})(сплошная  синяя линия). График координаты не обладает линейностью вследствие следующих причин:  введена ошибка модели $\upsilon $, подчиняющаяся нормальному распределению,  под влиянием положительной уравляющей функции $u \cdot t$ координата постоянно возрастает.  График сенсора наблюдения  имеет сильный разброс значений из-за большой дисперсии ошибки $\sigma^2_{\epsilon} = 5$. Это было сделано специально, для того, чтобы получить очевидную разницу между исходной координатой и наблюдаемым значением. График предсказаний, отфильтрованных значений ,  в отличие от графикаоценки и графика  наблюдений, не обладает сильным разбросом значений от исходной координаты. По рисунку видно, что получено наилучшее возможное  приближение предсказанной координаты к исходной, что говорит о том ,что данный алгоритм работает правильно.