deletions | additions       diff --git a/untitled.tex b/untitled.tex  index 01dde5e..32e0925 100644  --- a/untitled.tex  +++ b/untitled.tex 
...
  $y_{t} = \gamma \cdot x_{t} + \epsilon_{t} = 0.72 \cdot x_{t} + \epsilon_{t}$ ,    где $\epsilon_{t} \sim N(0,1)$ также случайная величина. Более того предполагается, что ошибки наблюдения и сигнала не коррелируемы (т.е ( т.е  $E(\epsilon_{t-i} \upsilon_{t-j} , \forall i,j)$). i,j)$ ).  По начальной оценке сигнала и дисперсии предсказания, мы можем просимулировать данную модель работу данной модели  и посчитать результат фильтрации. Сначала необходимо посчитать усиление Калмана и предсказания и оценки дисперсий. Усиление Калмана представляет собой следующее выражение: $K_{N} = \frac{\gamma \cdot S_{N}}{\gamma^2 \cdot S_{N} + \sigma^2_{\epsilon}}$    $S_{N} = \phi^2 \cdot p^e_{N-1} + \sigma^2_{\upsilon} $    $p^e_{N} = (1 - \gamma \cdot K_{N}) \cdot S_{N} = (1 - 0.26 \cdot K_{N}) \cdot S_{N} $