5. Дослідити та проаналізувати, як результати залежать від , та розподілу.

Після грунтовного аналізу отриманих даних були зроблені наступні висновки:

1. З ростом m збільшується похибка.

Наприклад, це можна спостерігати для та рівномірного розподілу:

m=7 0.01431098%

m=8 0.00269647%

m=9 0.00610949%

(дані для аналізу наведені вище, зручно для цього використовувати показник delta, відсоткову похибку).

2. З ростом E збільшується похибка.

(це було очевидно, оскільки задає дисперсію білого шуму).

E=0.01 0.00047864%

E=0.035 0.01431098%

E=0.05 0.10330304%

3. Для нормального закону можна спостерігати кращі результати, ніж для рівномірного. Це пояснюється тим, що ймовірність «крайніх» значень білого шуму значно більша для рівномірного закону розподілу.

4. Обидва методи дали однакові результати з різницею на рівні машинної похибки (16го порядку), принаймні на заданій кількості даних і розмірності матриць (за умови непоганої їх обумовленості).

ВИСНОВКИ:

В результаті даної розрахункової роботи був створений універсальний спеціалізований програмний продукт, що приймає на вхід m, вид розподілу та вирішує задачу двома імплементованими методами. Це потребувало від нас командної роботи у системному підході до вирішення цієї проблеми, грунтовних математичних знань та навичок програмування.