оценка параметра

[Ms-dos4]

Предположим, у нас есть некоторая модель $f = f({\bf{x}},{\bf{y}})$, содержащая группы параметров ${\bf{x}}$ и ${\bf{y}}$. Величина $f$ измерима в эксперименте и мы хотим получить оценки для этих параметров. Ясно, что мы можем например минимизировать сумму квадратов $J = \sum\limits_k {{{\left( {f - {f_k}} \right)}^2}} $ и получить данные оценки с некоторыми дисперсиями. Теперь представим, что мы можем напрямую измерять ${\bf{x}}$ и получать оценки с некоторой (другой) дисперсией. Вопрос состоит в том, можно ли использовать такие измерения совместно для улучшения получаемых оценок? Первое что приходит в голову, тот же МНК взяв разности квадратов этих величин с весами, обратно пропорциональными их оценочным дисперсиям при "индивидуальном" оценивании. Есть ли способ эффективнее?
P.S. В общем случае $f$ не имеет простого выражения через данные параметры и является в действительности довольно сложной численной моделью.

[Евгений Машеров]

Байесовы оценки, где априорные вероятности берутся из непосредственных измерений x?

[Sicker]

Метод максимального правдоподобия не пробовали? Или информационную энтропию