Актуальной проблемой является методом гибридных данных сглаживания (фильтрации) из случайной составляющей и находя полученная функция принадлежности. Чтобы решить эту проблему, мы используем метод наименьших квадратов (МНК). Одна модель представляет собой сочетание неопределенности в ее нечеткости и случайности. Это приводит к нечеткой случайных величин. Наиболее распространенным гибрид данных, когда вектор является условная плотность экспериментальных данных с неясными параметрами. Например, одномерный нечеткой случайная величина y_H имеет нормальную плотность с нечеткой ожидания и нечеткой стандартного отклонения или в символической форме, где N-символ "нормальность" - определенные аксессуары функционируют.

The actual problem is the treatment of hybrid data smoothing ( filtering ) of the random component and finding the resulting function accessories. To solve this problem, we use least squares method ( LSM) . One model is a combination of uncertainty in her fuzziness and randomness. This results in a fuzzy random variables. The most common hybrid data when the vector is the conditional density of the experimental data with unclear parameters . For example, a one-dimensional fuzzy random variable y_H has a normal density with fuzzy expectation and fuzzy standard deviation or in symbolic form , where the N- symbol "normality " - defined function accessories.