размерности 
случайных возмущений. Представим X в блочном виде: 
, где 
содержит наблюдения за управлениями, а 
наблюдения за прочими свободными переменными. Матрица В также представляется в блочном виде в соответствии с представлением X.
Пусть первый вектор будущих наблюдений 
генерируется тем же самым процессом, что и матрица Y, т. е.
где 
является 
-мерным вектор-строкой значений независимых переменных в будущий период 
вектор возмущений для периода 
В 8-й главе рассматривалась прогнозная ФПВ для наблюдений, генерируемых традиционной многомерной, нормальной регрессионной моделью в случае, когда применяется расплывчатая априорная ФПВ для неизвестных параметров (см. (8.8) и 
. При рассмотрении однопериодной модели (8.57) может быть сведена к форме многомерной 
-ФПВ Стьюдента:
где 
Можно заметить, что
и
Допустим, что функция потерь имеет вид
где 
является вектором заданных целевых значений, причем каждая компонента 
соответствует зависимой переменной, а С является положительно-определенной симметрической матрицей.
, где Y есть матрица размерности 
имеет следующий вид:
ранга k; В — матрицей размерности 
неизвестных параметров; U — матрицей
является 
столбец с номером a матрицы В; 
элемент 
матрицы С. В (11.50) мы подразделяем 
соответственно. Например, 
где 
является вектор-столбцом той же размерности, что и размерность вектора 
Следовательно, (11.50) может быть представлено в виде:
. Продифференцировав (11.51) по компонентам 
можно найти значение 
минимизирующее ожидаемые потери. В результате мы получаем:
. Теперь, при условии, что заданы выборочные данные и элементы матрицы 
можно легко вычислить оптимальное значение 
