Исследуется задача восстановления матрицы наблюдений при оценивании функции регрессии по измерениям со случайными ошибками. Заполнение пропусков осуществляется с помощью непараметрической оценки кривой регрессии. Приводятся результаты численных исследований, иллюстрирующих эффективность работы предложенной методики. Рассматривается моделирование нового класса процессов стохастических объектов со статистической зависимостью компонент вектора входа.