Professional Documents
Culture Documents
RAUN IZRAVNANJA
prof. dr Ivan R. Aleksi, dipl.in.geod.
Novi Sad 2015-2016.
SADRAJ PREDMETA
TEORIJSKA NASTAVA
OSNOVNI STATISTIKI KONCEPTI
Sluajne veliine
Rasporedi sluajnih veliina
Teorija ocenjivanja
Teorija greaka merenja
SADRAJ PREDMETA
TEORIJSKA NASTAVA
MATEMATIKI MODELI IZRAVNANJA
SADRAJ PREDMETA
TEORIJSKA NASTAVA
ANALIZA TANOSTI I POUZDANOSTI
Analiza tanosti
Analiza pouzdanosti
Metode identifikacije grubih greaka
SADRAJ PREDMETA
TEORIJSKA NASTAVA
PRIMENA MODELA IZRAVNANJA
LITERATURA
1. Koncepti mrea u geodetskom premeru
Monografija
/ K. Mihailovi, I. R. Aleksi. Beograd:
Privredno drutvo za kartografiju
"GEOKARTA" d.o.o., 2008. - 725 s.
(ISBN 978-86-459-0337-5).
2. Teorija greaka merenja - Monografija 3
/ G. Perovi. Beograd:
Univerzitet u Beogradu, Graevinski fakultet, 2015. 368 s.
LITERATURA
3. Metod najmanjih kvadrata - Monografija
/ G. Perovi. Beograd:
Univerzitet u Beogradu, Graevinski fakultet, 2005. 660 s.
LITERATURA
5. Geodetski premer - Zbirka reenih zadataka
/ I. R. Aleksi, J. Guevi i J. Popovi. Beograd:
Univerzitet u Beogradu, Graevinski fakultet, 2009. 330 s.
1. OSNOVNI STATISTIKI
KONCEPTI
1.0. UVOD
U okviru osnovnih
razmatraju se:
statistikih
sluajne veliine,
teorija ocenjivanja i
teorija greaka.
koncepata
1.0. UVOD
U geodeziji se za naune i strune potrebe
obavljaju:
opaanja ili merenja,
primenjuju se eksperimenti i
vre eksperimentalne analize.
Od izuzetne vanosti je izuavanje sluajnih
veliina i njihovih raspodela.
1.0. UVOD
Vrednosti merenih veliina u geodeziji su sluajne,
pa je neophodno poznavanje:
zakona raspodele verovatnoa i
funkcija raspodele verovatnoa.
FX
1
F x
F 0
F 1
X
f X
F X P X x
f X dX
1.0. UVOD
U analizi sluajnih veliina veoma je vano poznavanje:
oekivanja sluajne veliine,
njene varijanse i
kovarijanse.
1.0. UVOD
Normalni raspored sluajnih veliina ima najveu
primenu u geodeziji pa se zbog toga detaljno
razmatra 1-D, 2-D i viedimenzionalni normalni
raspored.
1.0. UVOD
U praktinim primenama pored normalnog rasporeda
najee se koriste:
hi-kvadrat raspored,
studentov raspred,
fierov raspored,
ravnomerni raspored
i drugi rasporedi.
f 2
kritinaoblast
r2, ,
oblast poverenja
r2,
raspored
Studentov raspred
1.0. UVOD
Teorija ocenjivanja omoguava da se na osnovu rezultata
merenja veliina, oceni:
raspodela posmatranog obeleja na celoj populaciji,
a zatim iz te raspodele ocene nepoznati parametri
populacije.
Interval poverenja
Kriticni interval
Kriticni interval
X
c
d
cg
Intervalsko ocenjivanje
1.0. UVOD
Ocene parametara mogu se razmatrati za:
aritmetiku sredinu,
1 n
x xi
n i1
i druge modele.
eTK 1x eTQ1x
x T 1 T 1
e K e e Q e
1.0. UVOD
Teorija greaka je od izuzetne vanosti za rezultate
merenja koja se obavljaju na fizikoj povri zemlje koja je
okruena atmosferom iji se parametri (temperatura,
pritisak i vlanost vazduha) stalno menjaju u toku dana i
godine.
Postoji veliki broj komponenata koje utiu na proces
merenja i koje podleu stalnim promenama, pa stoga nije
mogue apsolutno tano izmeriti neku veliinu.
One se mogu izmeriti sa ogranienom tanou koja se
moe unapred definisati.
1.0. UVOD
Definicija greka merenja
x
Analize greaka merenja:
x1
X
p1
x2
p2
... xn
,
... p n
p
i 1
ili saeto
P( X xi ) pi
i=1, 2, ... ,n
a li b
koji se deli na m klasa
ba
x
m
p(x)
x1
x2
x3
...
xm
f1/n
f2/n
f3/n
...
fm/n
F ( x j , x)
fj
n
(j=1, 2, ..., m)
gde vai
m
f
j 1
0 F ( x j , x) 1
m
F (x
j 1
, x) 1
0 fj n
fj
p( x j , x) lim n F ( x j , x)
n
lim dx0
P( x X x dx)
f ( x)
dx
f(x)
odreuje se verovatnoa sluajne veliine X, da se
ona nae u proizvoljno maloj okolini take x, dnosno
u granicama
x i x+dx
ili
P( x X x dx) f ( x) dx
f ( x) 0, x (-,) ,
f ( x)dx 1
(x, y) (-, ).
p
i 1 j 1
ij
lim dx0
dy0
P( x X x dx; y Y y dy)
f ( x, y)
dx dy
x i x+dx
odnosno
y i y+dy
P( x X x dx; y Y y dy) f ( x, y) dx dy
Veliina f(x, y) dx dy je elementarna verovatnoa
dvodimenzionalne sluajne veliine.
f ( x, y) 0, x, y (-,)
f ( x, y) dx dy 1
F ( x) P X x
F ( x)
f ( x)dx
1
F x
F 0
F 1
X
f X
F X P X x
f X dX
x2
x1
x1
x2
x1
f X
x2
Px1 X x2
f X
x2
x2
x1
x1
x1
x2
standardna devijacija .
ocena parametra
E (X )
2. Da je ocena efektivna
V ( X ) min
2
x
3. Da je ocena saglasna
po verovatnoi
X
E ( X ) xi pi
i 1
E ( X ) x f ( x) dx
E (c) c
Osobina 2. Oekivanje proizvoda konstante c i sluajne veliine X,
jednako je proizvodu konstante c i oekivanja sluajne veliine X
E(c X ) c E( X )
Osobina 3. Oekivanje zbira konstante c i sluajne veliine X,
jednako je zbiru konstante c i oekivanja sluajne veliine X
E (c X ) c E ( X )
n
n
E X i E X i
i 1 i 1
Osobina 5. Oekivanje proizvoda sluajnih veliina X1 X2 ... Xn
jednako je proizvodu njihovih oekivanja
E X i E X i
i 1 i 1
n
V ( X ) E X E ( X )
2
V ( X ) xi E ( X ) pi
2
i 1
odnosno za neprekidnu
V (X )
2
x E ( X )
f ( x) dx
V (X )
i predstavlja meru devijacije sluajne veliine X u odnosu
na njeno oekivanje E(X).
jednaka je nuli
V (c) 0
Osobina 2. Varijansa proizvoda konstante c i sl. veliine X je
V (c X ) c V ( X )
2
n
n
V X i V ( X i )
i 1 i 1
Osobina 4. Varijansa razlike dveju nezavisnih sluajnih
veliina X i Y jednaka je zbiru njihovih varijansi
V ( X Y ) V ( X ) V (Y )
XY YX ( xi x )( y j y ) pij
i 1 j 1
XY YX
gde je:
( x x )( y y ) f ( x, y)dxdy
E ( X ) E (Y ) 0
onda je njihova kovarijansa
XY YX E X Y
XY YX 0
tX
X E( X )
tY
Y E (Y )
gde su oekivanja
E (t X ) E (tY ) 0
XY YX
X E ( X ) Y E (Y ) E X E ( X ) Y E (Y )
E t X tY E
Y
X Y
X
ili u obliku
XY YX
XY
V ( X ) V (Y ) X Y
cov( X , Y )
XY XY X Y
XY
(1 XY 1)
XY 1
ili
XY 1
onda su X i Y meusobno linerno zavisne sluajne veliine.
4. Ako su sluajne veliine nezavisne onda je
obrnuto ne vai.
XY 0
i X i E( X i ) X i i
ili u obliku vektora
gde je:
X1
1
2 x X 2
X
n
n
1
2
(i=1, 2, ... n)
K X E T
ili
12 1 2
2 1
2
E
n1 n 2
E (12 ) E (1 2 )
2
E
(
)
E
(
2 1
2)
KX
E ( ) E ( )
n 1
n 2
K X oblika
1 n
2 n
n2
E (1 n )
E ( 2 n )
E ( n2 )
12 12
21
2
KX
n1 n 2
1n
2n
n2
2
i
2
Xi Xi
V ( X ) E X i E ( X i )
E(
2
i
ij ji X X j X
j Xi
cov( X i , X j ) cov( X j , X i )
EX i E( X i ) X j E( X j ) E( i j ) ij i j
i
ij 0
odnosno, kovarijanse
ij ij i j 0
12
2
2
2
2
2
KX
Diag
...
1
2
n
Pi
gde je:
o2
Pi 2
i
2
o
2
i
(i 1, 2, ..., n)
K x Qx
2
o
ili
Qx
2
o
Kx
Px Q K
1
x
2
o
1
x
gde je
Qx
Qx1 x1
Qx 2 x1
Qx
...
Qx x
n1
Qx1 x 2
Qx 2 x 2
...
Qx n x 2
... Qx1 x n
... Qx 2 x n
... ...
... Qx n x n
21
R
...
n1
12 ... 1n
1 ... 2 n
...
n2
...
...
...
1
...
onda je
Kx D R D
R D Kx D
12
1
1
Qx 2 K x 2
o
o
12
2
o
2
n
n2
2
o
o2
2
1
Px Q x 1
o
p
n
n2
X1 , X2 , ..., Xn
oblika
F f ( X1, X 2 , ..., X n )
naziva se funkcija sluajnih veliina.
F f ( X 1 , X 2 , ..., X n ) ai X i A X
T
i 1
gde su:
X1
X2
X
...
X
n
X
a1 1
F
a2
A X 2
...
...
a
n F
X
n
EF AT EX
V F E F E( F ) E A X A E (X)
2
F
E A X E X E A
EA A
2
E AT T A AT E T A ATK X A o2 ATQX A
jer je
E T K x o2QX
odnosno
A K X A A QX A
2
F
Ako je
QX PX1
2
o
onda je
A P A
2
F
2
o
1
X
A A
2
F
2
o
Za n = 2 sledi
jer je
1 2
1 2
X X X X
X2
AT a1 a2
K11
K X
K 21
X1
K12
K 22 X 1 X 2 X 1 X 2
EF1 AT EX
F2 bi X i B X
EF2 BT EX
i 1
n
bie
i 1
K F1 F2 ATK XB o2 ATQXB
jer je E T K X o2QX
F2
F F
1 2
K F1F2
FF
1
jer je
2
F2
A TK XB
A TK X A BTK XB
A TQ X B
A TQ X A B TQ X B
B K XB B Q XB
T
2
o
X X 0
tada je
pa se dobija
1
X
QX P
F F
1 2
gde je
A P B
T
1
X
1
P Diag
PX
1
onda se dobija
1
X
A P A B P B
1
X
ili ako je
1
X
1
PX 2
PX i 1
F F
1 2
1
...
PX n
(i = 1, 2, ..., n),
A TB
A T A BTB
A
X
Xi
(i=1, 2, ..., n) ,
X ~ N 0,
E XT AX trag AK X o2 trag AQ X
gde su:
X1
X2
T
X
X
n
Dokaz:
a11 a12
a21 a22
A
a
n1 an 2
a1n
a2 n
ann
E X i 0
1
f ( x)
e
2
1 x
Funkcija raspodele
F (x)
1
F ( x)
2
je oblika
x
1 x 2
dx
X ~ N ( , )
2
Parametar
karakterie oblik krive funkcije gustina
verovatnoa a ne utie na njen poloaj.
odnosno vai
X
t
0 1
t ~ N (0, 1)
f (t )
1
2
t2
a funkcija raspodele
1
F (t )
2
tp
0
t2
dt
P t t t
2
t2
2
e dt
2
f(t)
t2
dt 2F t 1
oblast poverenja
kriticna oblast
[ - oo, - t
kriticna oblast
[ t
, + oo ]
Laplasova funkcija.
t / 2 t t / 2
ili za matematiko oekivanje
x t / 2 x t / 2
t t / 2 , t / 2
sledi u obliku
P(t / 2 t / 2 ) P( t / 2 ) P( t / 2 ) 2F ( )
ili
P t / 2 p 1
P 1 1 p 0.683
P 2 2 p 0.955
P 3 3 p 0.997
Odavde sledi da se retko javljaju sluajne greke ije
max=3
xx y y ( y y )
(xx )
xy
2
2
2
x
y
2 (1 xy
)
x
y
f ( x, y )
1
2 x y 1
2
xy
F ( x, y) je oblika
2
( x ) 2
x x y y ( y y )
x
2 xy
x y
2 (1 xy2 ) x2
y2
F ( x, y )
1
2 x y 1
2
xy
dxdy
2 x2
y2
f ( x, y )
ili u obliku
1
2 x y
f ( x, y) f ( x) f ( y)
gde su funkcije:
f ( x)
f ( y)
x 2
1
y 2
1
(xx )
2
2
1
( y y )
2 y2
x x x
y
y
sa vektorom oekivanja
E ( x ) x
E ( y ) y
x2
Kx
yx y x
xy x y
1
f ( x , y )
e
2 det K x
gde su:
det K x x2 x2 1 xy2
x
K x1
1 xy2 xy
x y
Ili simbolino
xy
x y
1
y2
~ N (, K x ) N (0, K x )
1
T K x1
2
f ( x1 , x2 ,..., xn )
1
x x T K x1 x x
2
det K x
x ~ N ( x , K x )
1 x1 1
2 x2 2
x x
x
n
n n
sa vektorom oekivanja
E (1 )
E ( 2 )
1
2
E x x
E ( )
n
n
i odgovarajuom kovarijacionom matricom.
f (1 , 2 ,..., n )
1
T K x1
2
det K x
T K x 1 i 2
i 1 i
n
pa je funkcija oblika
f ( 1 , 2 ,..., n )
1 2 ... n 2
1 n i
2 i 1 i2
i 1
i 2
gde je
~ N (, K x ) N (0, K x )
i2
2 i2
stepeni slobode
r
X x x ... x x
2
r
2
1
2
2
2
r
2
r
i 1
2
i
V r2 2 2 r
(0
2
r
< ).
1.2.4. HI-KVADRAT
RASPORED
rasporeda.
X ~ r , 2r
2
r
kritinaoblast
r2, ,
oblast poverenja
r2,
Funkcija gustine verovatnoa
rasporeda.
X
t
Y r
X ~ N (0, 1)
2
E t 0
r
V t
r2
2
t ~ tr 0,
X
r1 r2 X
F
Y
r1 Y
r2
imati Fierov raspored sa r1 i r2 stepeni slobode.
f F
kritinaoblast
oblast poverenja
Fr1 ,r2 , ,
Fr1 ,r2 ,
Funkcija gustine verovatnoa F rasporeda.
je eksperimentalna
Interval poverenja
Kriticni interval
Kriticni interval
X
c
d
cg
Intervalsko ocenjivanje.
p 1
P(cd x cg ) 1
ili
gde je:
P( x cd ) P( x cg ) / 2
cd
cg
Kriticni interval
Kriticni interval
X
c
d
cg
Intervalsko ocenjivanje.
ili
P( x x x ) 1
P( x x ) P( x x ) / 2
Kriticni interval
Interval poverenja
Kriticni interval
X
X
= t sx
x
= t sx
Dozvoljena odstupanja
P ( x x )
P( x x )
Ako je
Ako je
x
x
p 1
p /2
Oblast poverenja
Kriticna oblast
Desnostrana oblast
Oblast poverenja.
xi i 1, 2, ..., n
i xi
koje slede normalni raspored
i N 0,
E ( i ) 0, E ( )
2
i , i 1, 2, ..., n
pa funkcija verovatnoe ima oblik
n
1
F f x1 , x2 ,..., xn
e
2
2 2
i 1
f x1 , x2 ,.., xn max
x
ln F n ln 2 n ln
2 i
2 i 1
a zatim diferencira po i
1
ln F
1 n
2 xi 0
i 1
ln F
n 1 n
2
3 xi 0
i 1
odavde sledi
n
1
xi
n i 1
1 n
1 n 2
2
xi i
n i 1
n i 1
1 n
x xi
n i1
n
1 n
1
2
2
s
x
i
i
n i 1
n i 1
Pomou aritmetike sredine x ocenjuje se oekivanje
1 n
E ( x ) E ( xi )
n i 1
Nepristrasne ocene:
E( x )
E (s )
2
1 n
1 n
1 2
2
2
E ( s ) E xi E xi n 2
n
n i 1
n i 1
2
E (X )
onda nije uvek mogue koristiti prethodni izraz za
eksperimentalnu standardnu devijaciju S.
Ako se u izrazu za S umesto
uvrsti
onda sledi
n
n
2
2
E xi x E xi x
i 1
i 1
n
n
2
2
E xi 2x xi nx
i 1
i 1
E xi nE x
2
i 1
n n n n
2
x
odnosno
ili
2
x
2
x
2
x
n 1 2
2
1 n
2
xi x
E
n 1 i 1
E (s )
2
s2
1
xi x
s
n 1 i 1
i 1
2
i
n 1
n 1
gde su popravke
i xi x
(i=1, 2, ..., n) .
X NE
gde je:
X rezultat merenja
N merni broj
E jedinica mere.
gde je:
greka merenja,
merena veliina,
tana vrednost.
1 n 12
greke instrumenata
greke zbog uticaja spoljanjih uslova
greke operatora
a)
b)
c)
f(x)
3
c xT xS
c
XS
XT
ocenu
tanosti
rezultata
i X i E( X i ) X i i
(i=1, 2, ... n)
1. OGRANIENOST
Sluajne greke merenja ne mogu prei po
apsolutnoj vrednosti odreenu granicu.
Ako se granina vrednost oznai sa
G max
onda ona predstavlja graninu greku.
1. OGRANIENOST
Ogranienost sluajne greke merenja izraava su
nejednainom
G
Ovo svojstvo karakterie uslove merenja i na
osnovu njega definie se granica dozvoljenih
greaka.
2. UNIMODALNOST
Male po apsolutnim vrednostima sluajne greke
merenja se ee javljaju od veih.
Ako je
1 2
n n
3. SIMETRINOST
Verovatnoa pojave pozitivnih i negativnih
sluajnih greaka jednakih po apsolutnom
iznosu je ista.
Ako je
onda je frekvencija
( )
( )
1
po verovatnoci
(1 2 ... n )
0
n
n
Ova osobina naziva se kompenzacija sluajnih
greaka merenja. Posledica je osobine broj 3.
1
po verovatnoci
i j
0
n i j
n
odnosno svojstvo nekorelisanosti sluajnih
greaka merenja.
c xT xS
metodom rada,
rektifikacijom instrumenata i
X i X i E ( X i )
2
s
i
i 1
n
n i 1
lim s 2 lim
i
i 1
n 30
Ako je broj merenja n vei onda je vrednost
eksperimentalne standardne devijacije S blia
vrednosti standardne devijacije
.
l1 , l2 , ..., ln
usled neizbenih greaka koje se pojavljuju u
procesu merenja, nee zadovoljiti odgovarajue
teorijske uslove T odnosno mogu se odrediti
odstupanja oblika
f T (l1, l2 , ..., ln )
fi
(i=1, 2, ..., r)
f Q f
so
r
gde je:
f T f1
f2
se
fi .
definie
Q P
a eksperimentalna standardna devijacija jedinice
teine je oblika
r
f T Pf
so
2
p
f
fi i
i 1
so
s fi
p fi
1
p fi
ni
a
eksperimentalna
standardna
neposredno merene veliine je oblika
r
1
2
i
i 1 ni
sl
r
ili za
n1 n2 ... nr n
r
sl
gde je
sf
2
f
i
i 1
nr
r
f
i 1
2
i
sf
n
devijacija
istinita greka
f f 180o (1 2 3 )
odstupanje u trouglu
3r
i 1
fi 2
i=1,2, r
broj trouglova
3r
2
f
i
i 1
6r
jer je
s 2s
2
s
2
fi 360o i
i 1
onda sledi
r
f T Pf
1 2
fi
i 1 ni
r
gde je:
Eksperimentalna
standardna devijacija
merenja uglova u celoj
mrei.
r broj stanica
ni
i 1
fi
si
ni
r 1 onda sledi
Eksperimentalna standardna
devijacija ugla u n girusa na
i toj stanici.
h1
>
>
f f h hi
h2
i 1
>
>
h3
hn
...
>
h3
>
h2
>
h1
A (HA )
>
B (H B)
N
n
f f h H H hi
i 1
standardna
devijacija
f TQ 1f
so
r
ili ako je Q P 1
r
f T Pf
so
2
p
f
ii
i 1
jedinice
i L li
l
i 1
li
so
v T Pv
n 1
2
p
ii
i 1
n 1
sL
so
eT Pe
so
n
p
i 1
eT 1 1 1
v v
s
n 1
so
i 1
2
i
n 1
so
sL
T
n
e e
j 1 i 1
j
si
r (n 1)
r
Za trajberovu metodu
n 2
2 i
j 1 i 1
j
si
r (r 1)(n 1)
r
r broj uglova
n broj girusa
1
2
i i
i 1 i 1
i r i1 i1 i
n 1r 1
n
s
sn
n
'
1
'
2
'
r
''
1
''
2
''
r
l , l , , l
l , l , , l
di l l
'
i
"
i
(i 1, 2, , r )
sd
2
d
i
i 1
r
eksperimentalna standardna devjacija rezultata
merenja l i
r
sl
jer je
2
d
i
i 1
2r
sd sl 2
d
i 1
di i ci
(i 1, 2, ..., r )
Iz obrazovane sume
r
d c
i
i 1
i 1
i 1
jer je
d c
i
i 1
i 1
i 1
kada
1 r
di d i di
r i 1
Posto razlike d i predstavljaju odstupanja od
aritmetike sredine, eksperimentalne standardne
devjacije se odreuju prema izrazima
r
sd
2
d
i
i 1
r 1
( za razlike d i )
sD
2
d
i
i 1
2(r 1)
(za duine D )
2
d
i
i 1
4(r 1)
(za pravce )
2
d
i
i 1
2(r 1)
(za uglove )
F f ( x1 , x2 , ..., xn )
F f ( x1 , x2 , ..., xn ) ai xi A X
T
gde su vektori:
i 1
x
a
1 1
F
a
A 2 x2
...
...
a
n F
x
n
x1
x2
X
...
x
n
A K X A A QX A
2
F
2
o
12 12
21 22
KX
n1 n 2
1n
2n
n2
definisan
pisati u
n
matrinim
razvijenoj
a 2 ai a j ij 2
2
F
2
i
i 1
2
i
gde su:
2
i
ij
varijansa
kovarijansa
i j
2
2
KX
a a ... a
2
F
2
1
2
1
2
2
2
2
2
n
2
n
odnosno
2
F
F
F
2
2
x2n
x2 ...
x1
x1
x2
xn
2
F
D cosv
yi y A D sin vAB
xi xA
ili
yi f1 D,
xi f 2 D,
B
A
B
A
a varijanse su
2
y2 sin 2 v AB D2 D 2 cos 2 v AB 2
x2 cos 2 v AB D2 D 2 sin 2 v AB 2
y sin 2 v AB D2 D 2 cos 2 v AB 2
x cos 2 v AB D2 D 2 sin 2 v AB 2
2. MATEMATIKI MODELI
IZRAVNANJA
2.0. UVOD
Funkcionalni
model
Stohasticki
model
Algoritam izravnanja
MNK
Ocene parametara
i njihova tacnost
Kontrola
kvaliteta
MERENE VELIINE
Za merene veliine
l1
l2
l
...
l
n
l1 , l2 , ..., ln
l21 l1l 2
l 2 l1 l22
Kl
...
...
l l l l
n 2
n1
formira se:
... l1l n
... l 2 l n
... ...
... l2n
l ~ N (l , K l )
STOHASTIKI MODEL
Stohastiki model je identian za sve metode izravnanja
jer se odnosi na vektor merenih veliina l
Kada su merene veliine u geodetskim mreama
stohastiki zavisne veliine treba koristiti kovarijacionu
matricu
K l Ql
2
o
gde su:
o
Kl
Ql
matrica kofaktora
kovarijaciona matrica
(1)
l22
Kl
p1
l2n
1
p2
o2 Pl1
1
pn
1 / p1
1 / p2
1
Pl
1
/
p
n
p1
Pl
p2
Diag p1
pn
p2 pn
Ql
2
o
Kl
(2)
1
l
Pl Q K
2
o
1
l
(3)
o2
l21
Pl
2
o
l2
p1
2
o
2
l n
p2
pn
pi
2
o
2
li
(4)
l l ... l o
1
Pl
I
l l v F(X
)
l2
l l2
l
l
l
n
n
)
F1(X
1
F
(
X
2
) 2
v F( X
F (X
)
n
n
X x
X
0
gde su vektori
x0
y0
X0
t
0
dx
dy
x
dt
F( l) Fl v T
F1(l)
l)
F
(
2
F( l)
F (l)
r
T1
T2
T
T
r
F( l, X) F l v, X T
X0
sa
F
F
ALGORITAM IZRAVNANJA
Najznaajnija komponenta metoda izravnanja je algoritam
izravnanja odnosno primena MNK.
Linearni sistemi su nesaglasni odnosno imaju vieznana
reenja.
Primenom MNK obezbeuju se jednoznani rezultati,
odnosno od mnotva moguih dobijaju se najbolja reenja
primenom uslova minimuma:
OCENA PARAMETARA
Komponenta metoda izravnanja koja se odnosi na
ocene parametara i njihovu tanost daje potpune
informacije o rezultatima izravnanja.
Odreuju se jedinstvene ocene za:
vektor popravaka.
K x
nepoznatih parametara
K l
Kv
popravaka.
Tacnost
Tacke
Globalne
mere
Lokalne
mere
Pouzdanost
Funkcije
Globalne
mere
Lokalne
mere
Unutranja
Spoljanja
Globalne Lokalne
mere
mere
Globalne Lokalne
mere
mere