Racun Izravnanja Prezentacije Deo I

UNIVERZITET U NOVOM SADU
FAKULTET TEHNIKIH NAUKA

STUDIJSKI PROGRAM GEODEZIJA I GEOMATIKA
OSNOVNE AKADEMSKE STUDIJE
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
Metod najmanjih kvadrata

Izravnanje po metodi posrednih merenja
Izravnanje po metodi uslovnih merenja
Uslovno izravnanje sa nepoznatim parametrima

Posredno izravnanje sa uslovima
Izravnanje slobodnih mrea
SADRAJ PREDMETA
TEORIJSKA NASTAVA
ANALIZA TANOSTI I POUZDANOSTI
Analiza tanosti
Analiza pouzdanosti
Metode identifikacije grubih greaka
SADRAJ PREDMETA
TEORIJSKA NASTAVA
PRIMENA MODELA IZRAVNANJA
Primena 1-D 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:
4. Adustment Computations Spatial data

analysis
/ Charles D. Ghilani and Paul R. Wolf :
Published by John Wiley&Sons, Hoboken, New
Jersey.
Printed in United States of America, 2006. pp. 611.
LITERATURA
5. Geodetski premer - Zbirka reenih zadataka
/ I. R. Aleksi, J. Guevi i J. Popovi. Beograd:
1. OSNOVNI STATISTIKI
KONCEPTI
1.0. UVOD
U okviru osnovnih
razmatraju se:
statistikih
sluajne veliine,
rasporedi sluajnih veliina,
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
Funkcija raspodele verovatnoa
1.0. UVOD
U analizi sluajnih veliina veoma je vano poznavanje:
oekivanja sluajne veliine,
njene varijanse i
kovarijanse.
Matematika oekivanja i standardne devijacije sluajne veliine
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.
Normalna raspodela (1-D)
Normalna raspodela (2-D)
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
optu aritmetiku sredinu,
uoptenu aritmetiku sredinu,

metod najmanjih kvadrata,
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:
1. Prema izvoru greaka merenja
2. Prema karakteru delovanja
1.1. SLUAJNE VELIINE

1.1.1. DEFINICIJA SLUAJNE VELIINE
Sluajna veiina X moe imati bilo koju vrednost u
odreenom skupu vrednosti
x1 , x2 ,... ,xn
sa odgovarajuim verovatnoama
p1 , p2 , ... , pn ,
pri emu je verovatnoa celog skupa vrednosti
sluajne veliine jednaka 1.

Sluajna veliina se moe definisati i kao funkcija,
koja svakom elementarnom dogaaju pridruuje neki
broj u skupu realnih brojeva.
Ako sluajna veliina X ima konaan broj vrednosti
onda se naziva:
diskretna sluajna veliina
ili ako ima beskonaan broj vrednosti onda se

naziva:
neprekidna sluajna veliina.

U geodeziji se najee izuavaju neprekidne sluajne
veliine.
Ako se rezultat eksperimenta izraava sa jednom
numerikom vrednosti onda se ova klasa naziva
jednodimenzionalna sluajna veliina
ili ako se rezultat moe izraziti sa vie numerikih

vrednosti onda se ove klase nazivaju
viedimenzionalne sluajne veliine.
1.1. SLUAJNE VELIINE

1.1.2. ZAKON RASPODELE VEROVATNOA
Zakon raspodele verovatnoa diskretne sluajne

veliine X u ematskom prikazu glasi
x1
X
p1
x2
p2
... xn
,
... p n
p
i 1
ili saeto
P( X xi ) pi
i=1, 2, ... ,n

Za merenu veliinu L i niz rezultata merenja
li (i=1, 2, ...,n)
odreuje se interval
a li b
koji se deli na m klasa
ba
x
m
gde je x irina klase.

Statistiki skup od m klasa moe se predstaviti
zakonom raspodele verovatnoa odnosno, raspodelom
relativnih frekvencija (relativna uestalost) sluajne
veliine X
X
p(x)
x1
x2
x3
...
xm
f1/n
f2/n
f3/n
...
fm/n
gde je xj centralna vrednost klase a fj broj vrednosti

u klasi j (j=1, 2, ...,m).
Funkcija uestalosti je oblika
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

Ako je niz od n rezultata merenja sluajne veliine
sveobuhvatan skup odnosno, ako broj n onda
relativna uestalost konvergira njenoj graninoj
vrednosti ili verovatnoi.
Funkcija verovatnoa je oblika
fj
p( x j , x) lim n F ( x j , x)
n

Zakon verovatnoa sluajne veliine X predstavlja se
grafiki u vidu histograma
Zakon raspodele verovatnoa (funkcija uestalosti).

Kako je zbir verovatnoa sluajne veliine jednak 1 onda je i
zbir povrina svih pravougaonika na histogramu jednak 1.

Neprekidna sluajna veliina uzima vrednosti iz
beskonanog intervala x(-, +), koji se moe
podeliti na diferencijalno male veliine dx.
Ako je funkcija verovatnoe neprekidna
diferencijabilna onda je njena granina vrednost
lim dx0
P( x X x dx)
f ( x)
dx
gde je f(x) funkcija gustine raspodele verovatnoa ili

zakon raspodele verovatnoe.

Pomou funkcije gustine raspodele verovatnoa
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

Veliina f(x)dx je elementarna verovatnoa. Kriva
raspodele f(x) ispunjava uslove:
f ( x) 0, x (-,) ,
f ( x)dx 1
Funkcija gustine raspodele verovatnoa f(x).

Dvodimenzionalna sluajna veliina (X,Y), moe biti:
diskretna
i uzima konaan skup vrednosti
(xi , yj ) (i=1, 2, ...,n; j=1, 2, ..., m),

ili
kontinuirana
kada uzima beskonaan skup vrednosti
(x, y) (-, ).

Raspodela verovatnoa diskretne dvodimenzionalne
sluajne veliine (X, Y)
(X=xi , Y=yj) = pij (i=1, 2, ... ,n; j=1, 2, ... , m)

je verovatnoa pij da sluajna veliina X uzme vrednost xi
a sluajna veliina Y vrednost yj
Zbir svih verovatnoa je
n
p
i 1 j 1
ij

Neprekidna dvodimenzionalna sluajna veliina (X, Y)
uzima vrednosti iz beskonanog intervala (x,y) (-, +),
koji se moe podeliti na diferencijalno male veliine dx i dy.
Ako je funkcija verovatnoe neprekidna i diferencijabilna
onda je njena granina vrednost
lim dx0
dy0
P( x X x dx; y Y y dy)
f ( x, y)
dx dy
gde je f(x,y) funkcija gustine raspodele verovatnoa

neprekidne sluajne veliine (X, Y) ili zakon raspodele
verovatnoa.

Pomou funkcije gustine raspodele verovatnoa f(x,y)
odreuje se verovatnoa sluajne veliine (X, Y)
da se ona nae u malom pravougaoniku stranica dx i dy
ili u granicama
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.
Kriva raspodele f(x, y) ispunjava uslove:
f ( x, y) 0, x, y (-,)

f ( x, y) dx dy 1
Funkcija gustine raspodele verovatnoa f(x,y).
1.1.3. FUNKCIJA RASPODELE VEROVATNOA

Potpuniju informaciju o diskretnoj sluajnoj promenljivoj X
prua funkcija raspodele verovatnoa, ili kumulativni zakon
raspodele verovatnoa i oznaava se sa F(x)
F ( x) P X x
gde P oznaava verovatnou.
Ako je sluajna veliina X neprekidna, onda je

funkcija raspodele oblika
x
F ( x)
f ( x)dx
gde je f(x) funkcija gustine verovatnoa.

FX
1
F x
F 0
F 1
X
f X
F X P X x
f X dX
Funkcija raspodele verovatnoa F(x).

Simetrina funkcija
Verovatnoa da se sluajna veliina X nae u intervalu x1 , x2

Px1 X x2
x2
x1
f ( x)dx f ( x)dx f ( x)dx F ( x ) F ( x )

1
x1
x2
x1
f X
x2
Simetrina funkcija raspodele verovatnoa.

Asimetrina funkcija
Verovatnoa da se sluajna promenljiva X nae u intervalu x1 , x2
Px1 X x2
f X
x2
x2
x1
f ( x)dx f ( x)dx f ( x)dx F ( x ) F ( x )

2
x1
x1
x2
Asimetrina funkcija raspodele verovatnoa.
1.1.4. ANALIZA SLUAJNIH VELIINA
Sluajne veliine slede odgovarajui raspored

verovatnoa koji se moe ustanoviti na osnovu velikog
broja merenja.
Meutim, kada se raspolae sa veoma malim brojem
merenja, reda dva-tri ili neto vie, onda je to veoma malo,
da se na osnovu tako malog broja definie zakon
rasporeda verovatnoa.
Ipak, ovako oskudan matarijal doputa da se
informiemo o sluajnim veliinama koje nastaju kao
rezultat merenja.

Na osnovu obavljenih merenja iste veliine vie puta,
mogu se ustanoviti prihvatljive informacije o dvema vanim
karakteristikama sluajnih veliina:
matematiko oekivanje
i
standardna devijacija .
U praksi se smatra da je poznat zakon raspodele

verovatnoa. Na primer, smatra se da rezultati merenja
slede normalni raspored, pa je potrebno odrediti samo
njegove parametre i .
Iz ogranienog broja merenja mogue je odrediti samo

pribline vrednosti parametara njihove ocene.
Moe se iz ogranienog broja merenja odrediti:
ocena parametra
ocena parametra
pomou srednje vrednosti
pomou empiriskog standarda s

Ocene treba da ispune tri uslova:
1. Da je ocena nepomerena (centrirana)
E (X )
2. Da je ocena efektivna
V ( X ) min
2
x
3. Da je ocena saglasna
po verovatnoi
X
1.1.5. OEKIVANJE SLUAJNE VELIINE

Diskretna sluajna veliina X
n
E ( X ) xi pi
i 1
Neprekidna sluajna veliina X
E ( X ) x f ( x) dx

Osobine oekivanja sluajne veliine:
Osobina 1. Oekivanje konstante c jednako je vrednosti konstante
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 )
Osobina 4. Oekivanje zbira sluajnih veliina X1+X2 + ...+Xn

jednako je zbiru njihovih oekivanja
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
1.1.6. VARIJANSA SLUAJNE VELIINE

Varijansa sluajne veliine X je oekivanje kvadrata
razlike sluajne veliine od njenog oekivanja E(X)
V ( X ) E X E ( X )
2
Za diskretnu sluajnu veliinu vai

n
V ( X ) xi E ( X ) pi
2
i 1
odnosno za neprekidnu
V (X )
2
x E ( X )
f ( x) dx
Standardna devijacija sluajne veliine X je pozitivan

kvadratni koren iz varijanse
V (X )
i predstavlja meru devijacije sluajne veliine X u odnosu
na njeno oekivanje E(X).

Osobine varijanse sluajne veliine su:
Osobina 1. Varijansa konstante
jednaka je nuli
V (c) 0
Osobina 2. Varijansa proizvoda konstante c i sl. veliine X je
V (c X ) c V ( X )
2
Osobina 3. Varijansa zbira nezavisnih sluajnih veliina

jednaka je zbiru njihovih varijansi
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 )
1.1.7. KOVARIJANSA SLUAJNIH VELIINA

Kovarijansa dve sluajne veliine X i Y je oekivanje
proizvoda razlika sluajnih veliina i njihovih oekivanja
XY XY cov( X ,Y ) cov(Y , X ) EX E( X ) Y E(Y )

Kovarijansa je mera meusobne zavisnosti dve sluajne
veliine i odreuje se prema:
- za diskretne sluajne veliine
n
XY YX ( xi x )( y j y ) pij
i 1 j 1

- za neprekidne sluajne veliine
XY YX
gde je:
( x x )( y y ) f ( x, y)dxdy
f ( x, y) funkcija gustine verovatnoa sluajnih veliina.
Ako su oekivanja dve sluajne veliine jednaka nuli
E ( X ) E (Y ) 0
onda je njihova kovarijansa
XY YX E X Y
Ako su sluajne veliine meusobno nezavisne onda je
XY YX 0

Koeficijent korelacije
Koeficijent korelacije je relativna mera meusobne
zavisnosti dve sluajne veliine.
On se odreuje na osnovu normiranih vrednosti
sluajnih veliina X i Y
tX
X E( X )
tY
Y E (Y )
gde su oekivanja
E (t X ) E (tY ) 0

Koeficijent korelacije definie se
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 )
odakle sledi izraz za kovarijansu
XY XY X Y

Osobine koeficijenta korelacije
XY
1. Definie stohastiku zavisnost sluajnih veliina X i Y.

2. Uzima vrednosti u intervalu od -1 do +1
(1 XY 1)
3. Ako koeficijent korelacije ima vrednost
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
1.1.8. KOVARIJACIONA MATRICA

Neka su razlike sluajnih veliina
X1, X2, ..., Xn
i njihovih ekivanja
E(X1), E(X2), ... , E(Xn)
sluajne greke merenja
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)
Oekivanje proizvoda vektora
je kovarjaciona matrica u oznaci
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 )

odnosno
12 12
21
2
KX
n1 n 2
1n
2n

n2
gde su na glavnoj dijagonali varijanse

2
i
2
Xi Xi
V ( X ) E X i E ( X i )
E(
2
i
a van glavne dijagonale kovarijanse
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

Ako su koeficijenti korelacije
ij 0
odnosno, kovarijanse
ij ij i j 0
onda matrica postaje dijagonalna kovarijaciona matrica
12
2
2
2
2
2
KX
Diag
...
1
2
n
1.1.9. MATRICA TEINA

Stepen poverenja u rezultate merenja zavisi od njihove
tanosti. Ukoliko su merenja tanija utoliko je vei stepen
poverenja u rezultate merenja.
Stepen poverenja izraava se posredstvom teina
Pi
koje se odreuju po formuli
gde je:
o2
Pi 2
i
2
o
2
i
(i 1, 2, ..., n)
varijansa jedinice teine

varijansa rezultata merenja

Kovarijaciona matrica moe se prikazati u obliku
K x Qx
2
o
ili
Qx
2
o
Kx
odnosno matrica teina po definicii
Px Q K
1
x
2
o
1
x
gde je
Qx
matrica kofaktora rezultata merenja
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

Kada su rezultati merenja homogene tanosti
matrica Q x prelazi u korelacionu matricu R oblika
1
21
R
...
n1
12 ... 1n
1 ... 2 n
...
n2
...
...
...
1
Ako se sa D oznai dijagonalna matrica standardnih

devijacija
1
...
onda je
Kx D R D

Ako je poznata kovarijaciona matrica Kx i dijagonalna matrica
standardnih devijacija D onda se izraava korelaciona matrica
R u obliku
1
R D Kx D
Kada su sluajne veliine stohastiki nezavisne, gde su

koeficijenti korelacije ij 0 onda je matrica kofaktora
Qx dijagonalnog oblika
12
1
1
Qx 2 K x 2
o
o
12
2
o
2
n
n2
2
o

a matrica teina P postaje
o2
2
1
Px Q x 1
o
p
n
n2
U praktinim primenama najee se koriste

stohastiki nezavisne veliine pa se otuda ovaj oblik
matrice teina P i najee primenjuje.
1.1.10. VARIJANSA FUNKCIJE SLUAJNIH VELIINA

Funkcija iji su argumenti sluajne veliine
X1 , X2 , ..., Xn
oblika
F f ( X1, X 2 , ..., X n )
naziva se funkcija sluajnih veliina.

U optem sluaju funkcija
f moe biti nelinearna
a njenom linearizacijom sledi

n
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

Varijansa funkcije F bie
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
ili ako je Q X I onda je
A A
2
F
2
o
Za n = 2 sledi
F2 a12 X2 a22 X2 2a1 a2 K X X a12 X2 a22 X2 2 X X a1 a2 X X

1
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
Kovarijacioni moment izmeu dveju funkcija F1 i

F1 ai X i A T X
EF1 AT EX
F2 bi X i B X
EF2 BT EX
i 1
n
bie
i 1
K F1F2 EF1 E ( F1 )F2 E ( F2 )

EAT X AT E(X)BT X BT E(X)
E AT X E(X)BT X E(X)
EATBT EAT TB AT E T B
K F1 F2 ATK XB o2 ATQXB
jer je E T K X o2QX
F2

Koeficijenat korelacije bie
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
Kada su argumenti funkcije meusobno nezavisne

veliine
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
jer je PX1 I jedinina matrica.
1.1.11. OEKIVANJE KVADRATNE FORME

Ako se oznai sa:
A
X
simetrina kvadratna matrica iji su elementi konstante

vektor sluajnih veliina
Xi
(i=1, 2, ..., n) ,
X ~ N 0,
onda je oekivanje kvadratne forme
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
E XT AX E trag XT AX E trag AXX T
trag A E XX T trag AK X o2 trag AQ X
1.2. RASPOREDI SLUAJNIH

VELIINA
1.2.1. JEDNODIMENZIONALNI NORMALNI RASPORED

Raspored verovatnoa neprekidne sluajne veliine
ija je funkcija gustine verovatnoa
1
f ( x)
e
2
1 x

za x(-, ), naziva se Normalna raspodela ili LaplasGausova raspodela
Funkcija raspodele
F (x)
1
F ( x)
2
je oblika
x
1 x 2

dx

Normalna raspodela se simbolino prikazuje u obliku
X ~ N ( , )
2
Funkcije gustine verovatnoa razliitih normalnih rasporeda

( 1 2 3 i 1 2 3 ).
Parametar
karakterie oblik krive funkcije gustina
verovatnoa a ne utie na njen poloaj.
Funkcije gustine verovatnoa razliitih standardnih devijacija

( 1 = 2 = 3 =0 i 1 2 3 ).

.
Za sluajne greke merenja X

mogu se odrediti njihove standardizovane sluajne veliine
odnosno vai
X
t
Sluajna veliina t sledi Normalni raspored sa parametrima
0 1
koji se naziva standardizovani Normalni raspored

verovatnoa
t ~ N (0, 1)
Funkciju gustine verovatnoa je oblika
f (t )
1
2
t2
a funkcija raspodele
1
F (t )
2
tp
0
t2
dt
Funkcija gustine verovatnoa standardizovane

Normalne raspodele.

Za odreivanje verovatnoe pojave sluajne veliine t
u nekom intervalu moe se koristi Laplasova funkcija
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.

Interval poverenja za t je
t / 2 t t / 2
ili za matematiko oekivanje
x t / 2 x t / 2
Iz Laplasovih tablica moe se za usvojenu vrednost

verovatnoe (po argumentu p) odrediti argument t / 2
odnosno interval u kome se nalazi sluajna veliina
t t / 2 , t / 2
ili obratno, iz istih tablica, po argumentu t / 2 moe da se

odredi varovatnoa p.

Verovatnoa pojave sluajne greke
sledi u obliku
P(t / 2 t / 2 ) P( t / 2 ) P( t / 2 ) 2F ( )
ili
P t / 2 p 1
Verovatnoa p za sluajne greke merenja

Podaci iz prethodne tabele mogu se napisati u
sledeem obliku
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
su vrednosti vee od 3 i ovaj interval se esto uzima

kao gornja granica pojave sluajnih greaka
max=3
(pravilo tri sigme).
Kriva sluajnih greaka.
1.2.2. DVODIMENZIONALNI NORMALNI RASPORED
Raspored verovatnoa neprekidne dvodimenzionalne

sluajne veliine (X, Y) ija je funkcija gustine verovatnoa
2
2
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
za x(-, ) i y(-, ), naziva se dvodimenzionalna

Normalna raspodela
Funkcija raspodele
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
Dvodimenzionalni Normalni raspored.
Ako su sluajne veliine X i Y meusobno nezavisne onda je

1
(xx ) ( y y )

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
Kod dvodimenzionalnih sluajnih veliina, sluajne greake

merenja mogu se izraziti u obliku vektora sluajnih greaka
x x x
y
y
sa vektorom oekivanja
E ( x ) x

E ( y ) y
i odgovarajuom kovarijacionom matricom
x2
Kx

yx y x
xy x y

Funkcija gustine verovatnoa postaje
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
1.2.3. VIEDIMENZIONALNI NORMALNI RASPORED
Raspored verovatnoa neprekidne n dimenzionalne

sluajne veliine (X1 , X2 , ..., Xn ) ija je funkcija gustine
verovatnoa
f ( x1 , x2 ,..., xn )
1
x x T K x1 x x
2
det K x
naziva se viedimenzionalna Normalna raspodela.

Parametri raspodele su
x ~ N ( x , K x )

Sluajne greake merenja mogu se izraziti u obliku
vektora sluajnih greaka
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.
Funkcija gustine verovatnoa sada postaje
f (1 , 2 ,..., n )
1
T K x1
2
det K x
ili za nezavisne sluajne veliine, gde je

2
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
1.2.4. HI-KVADRAT RASPORED

Kada niz nezavisnih normiranih sluajnih veliina
X1, X2, ..., Xr
slede normalni raspored sa parametrima X ~ N (0, 1)
2 raspored (hi -kvadrat) sa
njihov zbir kvadrata sledie
stepeni slobode
r
X x x ... x x
2
r
2
1
2
2
2
r
Oekivanje i varijansa su:
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.
1.2.5. STUDENTOV RASPORED

Sluajna veliina
X
t
Y r
imae Studentov t raspored sa r stepeni slobode ako:

1. sluajna veliina
X ~ N (0, 1)
2
2. sluajna veliina Y ima

3. su sluajne veliine meusobno nezavisne.
Oekivanje i varijansa su:
E t 0
r
V t
r2
2
1.2.5. STUDENTOV RASPORED
t ~ tr 0,
Funkcija gustine verovatnoa t rasporeda.
1.2.6. FIEROV RASPORED
Kada dve nezavisne sluajne veliine X i Y imaju hi-kvadrat

raspored sa r1 i r2 stepeni slobode, tada e novoformirana
sluajna veliina
X
r1 r2 X
F
Y
r1 Y
r2
imati Fierov raspored sa r1 i r2 stepeni slobode.
1.2.6. FIEROV RASPORED
f F
kritinaoblast
oblast poverenja
Fr1 ,r2 , ,
Fr1 ,r2 ,
Funkcija gustine verovatnoa F rasporeda.
1.3. TEORIJA OCENJIVANJA
1.3.1. VRSTE I MODELI OCENA

Teorija
ocenjivanja
ili
teorija
statistikog ocenjivanja omoguava da se na
osnovu rezultata merenja obeleja X u uzorku:
1. oceni raspodela posmatranog obeleja
na celoj populaciji,
2. zatim iz raspodele ocene nepoznati
parametri populacije.
Reavaju se dve klase problema::

1. planiranje eksperimenta i dobijanje
rezultata merenje u izvoenju eksperimenta,
2. na osnovu dobijenih rezultata merenja
oceniti nepoznate parametre.
U teoriji ocenjivanja postoje dve globalne vrste

ocenjivanja:
takasto ocenjivanje,
intervalsko ocenjivanje..
Na osnovu ogranienog broja rezultata merenja u

Geodeziji odreuju se takaste ocene i intervalske
ocene.
Na osnovu ogranienog broja rezultata merenja u

Geodeziji odreuju se takaste ocene:
1. ocena oekivanja x je aritmetike sredine
2. ocena standardne devijacije
standardna devijacija x
je eksperimentalna

Informacije koje daje takasta ocena u obliku aritmetike
sredine esto je nepotpuna jer se u ovom sluaju ne moe
odrediti rastojanje na brojnoj osi izmeu x i x
Interval poverenja
Kriticni interval
Kriticni interval
X
c
d
cg
Intervalsko ocenjivanje.

Potpunije informacije moe dati intervalsko ocenjivanje ako
se na brojnoj osi definie interval poverenja kome pripada
oekivana vrednost x sa odgovarajuom verovatnoom
p 1
P(cd x cg ) 1
ili
gde je:
P( x cd ) P( x cg ) / 2
cd
donja granica poverenja
cg
gornja granica poverenja.

Interval poverenja
Kriticni interval
Kriticni interval
X
c
d
cg
Intervalsko ocenjivanje.
U reavanjima geodetskih problema ekstremne

vrednosti
intervala
poverenja
predstavljaju
dozvoljena odstupanja pa prethodni izrazi postaju
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

.
Kada je poznat raspored koji slede greke merenja, onda

se moe sa odgovarajuom unapred usvojenom
verovatnoom odrediti interval poverenja u kome e se
nalaziti oekivana vrednost.
Pored intervala poverenja u teoriji ocenjivanja koriste se i
oblasti poverenja odnosno kritine oblasti a mogu se
odreivati samo desnostrane ili levostrane kritine oblasti:
desnostrana kritina oblast
P ( x x )
levostrana kritina oblast
P( x x )
Ako je
Ako je
x
x
p 1
unutar oblasti poverenja onda je:

unutar kritine oblasti onda je:
1. kod obostrane oblasti
p /2
2. kod jednostrane oblasti
Oblast poverenja
Kriticna oblast
Desnostrana oblast
Oblast poverenja.
1.3.2. ARITMETIKA SREDINA

Neka za sluajnu veliinu X u cilju odreivanja njenog
oekivanja
postoji niz nezavisnih merenja iste tanosti iji su rezultati
xi i 1, 2, ..., n
a merenja optereena samo sluajnim grekama
i xi
koje slede normalni raspored
i N 0,
E ( i ) 0, E ( )
2

Za nezavisna merenja iste tanosti vazi
i , i 1, 2, ..., n
pa funkcija verovatnoe ima oblik
n
1
F f x1 , x2 ,..., xn
e
2
2 2
i 1
Metodom maksimalne verovatnoe ocenjuju se nepoznati

parametri, oekivanje i standardna devijacija
i
iznalaenjem maksimuma funkcije
f x1 , x2 ,.., xn max
U tom cilju prvo se logaritmuje funkcija verovatnoe

n
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

Poto je broj merenja n ogranien i konaan, onda su ocena
oekivanja i standardne devijacije
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
Pomou eksperimentalne standardne devijacije

ocenjuje se standardna devijacija
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

Kada nije poznata vrednost matematikog oekivanja
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

n
2
2
E xi nx
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

Odavde sledi da e eksperimentalna varijansa
biti nepomerena ocena varijanse 2
s2
Eksperimentalna standardna devijacija odreuje se

na osnovu izraza
n
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) .
1.3.3. OPTA ARITEMTIKA SREDINA
1.3.4. UOPTENA ARITEMTIKA SREDINA
1.4. TEORIJA GREAKA MERENJA
1.4.1. GREKE MERENJA

MERENJE
Merenje je skup postupaka koji imaju za cilj odreivanje
vrednosti veliine.
Rezultat merenja je vrednost dobijena merenjem koja
se pripisuje merenoj veliini.
Vrednost veliine je kvantitativni iznos veliine,
uglavnom izraen u obliku proizvoda brojne vrednosti i
merne jedinice.

Rezultat merenja (uporeenja) je merni broj koji pokazuje
koliko jedinica mere (metara, sekundi, itd.) je sadrano u
merenoj veliini
X NE
gde je:
X rezultat merenja
N merni broj
E jedinica mere.

GREKA MERENJA
Po definiciji, greka merenja je razlika izmeu vrednosti
merene veliine i njene tane vrednosti
gde je:
greka merenja,
merena veliina,
tana vrednost.
Ako se neka veliina izmeri n puta, za nju e se dobiti n

vrednosti koje e se meusobno razlikovati u granicama
tanosti merenja.
Jedna vrednost koja zamenjuje niz od n vrednosti treba
da bude najblia stvarnoj vrednosti.
Stvarna vrednost objektivno postoji, samo ona ima vie
teorijski znaaj, jer se do nje moe doi kada bi se
veliine izmerile neogranieno mnogo puta
Najee broj merenja iste veliine u goeodeziji je

ogranien u intervalu
1 n 12

IZVORI GREAKA MERENJA
Podela prema izvoru greaka
greke instrumenata
greke zbog uticaja spoljanjih uslova
greke operatora

IZVORI GREAKA MERENJA
Podela prema karakteru delovanja

Sluane greke
Sistematske greke
Grube greke
Izvorima greaka merenja bavi se nauka o merenjima
Metrologija.

TANOST I PRECIZNOST MERENJA
Tanost merenja je bliskost slaganja izmeu rezultata merenja

i tane vrednosti merene veliine.
Preciznost merenja pokazuje slaganje ponovljenih merenja sa
srednjom vrednosti merenja.
a)
b)
c)

Ista mala tanost merenja 3 i 4
Ista velika tanost merenja 1 i 2

Merenja u skupu 1 su preciznija
od merenja u skupu 2
Merenja u skupu 3 su preciznija

od merenja u skupu 4
f(x)
3
c xT xS
c
XS
XT
Funkcije rasporeda za razliite tanosti i preciznosti merenja.

SUVINA MERENJA
Suvina merenja imaju viestruku ulogu:
slue kao kontrola merenja pri radu,
poveavaju tanost konano usvojenih
rezultata,
omoguuju
merenja,
ocenu
tanosti
rezultata
poveavaju pouzdanost geodetskih mrea.
1.4.2. VRSTE GREAKA MERENIH VELIINA

SLUAJNE GREKE
Sluajne greke prate sva merenja. One se ne
mogu izbei. Svaka vrednost koja se dobija merenjem
mora biti optereena sluajnom grekom, iji se iznos i
predznak ne mogu unapred predvideti. Znai poseduju
karakter sluajnosti i zato se zovu sluajnim
grekama.
Sluajne greke merenja predstavljaju razlike izmeu

vrednosti merenja i njihovih ekivanja, u oznaci
i X i E( X i ) X i i
(i=1, 2, ... n)

SLUAJNE GREKE
Sluajne greke nije mogue eliminisati iz rezultata
merenja. Njihov uticaj na najverovatniju vrednost se
smanjuje kada se ista veliina meri vie puta. to je vei
broj merenja to je manji uticaj sluajnih greaka.
Skup sluajnih greaka sledi odreene statistike zakone
koji se mogu analitiki opisati pomou odgovarajuih
rasporeda matematike statistike.

OSOBINE SLUAJNIH GREAKA
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
onda su korespondentne frekvencije u relaciji
n n

3. SIMETRINOST
Verovatnoa pojave pozitivnih i negativnih
sluajnih greaka jednakih po apsolutnom
iznosu je ista.
Ako je
onda je frekvencija
( )
( )

POSLEDICA 1. KOMPENZACIJA GREAKA

Aritmetika sredina sluajnih greaka merenja
iste tanosti jedne veliine, tei nuli pri
neogranienom broju merenja
1
po verovatnoci
(1 2 ... n )
0
n
n
Ova osobina naziva se kompenzacija sluajnih
greaka merenja. Posledica je osobine broj 3.

POSLEDICA 2. NEZAVISNOST GREAKA

Posledica osobine broj 3 i posledice broj 1 javlja se
posledica broj 2 kao svojstvo stohastike
nezavisnosti
1
po verovatnoci
i j
0
n i j
n
odnosno svojstvo nekorelisanosti sluajnih
greaka merenja.

SISTEMATSKE GREKE
Greke koje rezultat merenja stalno uveavaju ili stalno

umanjuju, zovu se sistematske greke.
Zahvaljujui ovakvoj osobini, sistematske greke se
mogu ukloniti iz rezultata merenja u potpunosti ili
delimino, kada se zna uzrok njihove pojave kao i zakon
njihovog ponaanja.
Sistematske greke merenja predstavljaju razlike
izmeu tanih vrednosti i njihovih srednjih vrednosti, u
oznaci
c xT xS

SISTEMATSKE GREKE
Otklanjanje sistematskih greaka ili smanjivanje njihovog
iznosa iz rezultata merenja postie se:
metodom rada,
rektifikacijom instrumenata i
unoenjem odgovarajuih popravaka.

GRUBE GREKE
Ako je neka veliina vie puta izmerena, onda e se
dobijene vrednosti razlikovati u granicama tanosti
merenja koja zavisi od: instrumenta, metode rada,
operatora, atmosferskih uslova i mnogih drugih spoljnih
faktora.
Kada se u nizu merenja neka vrednost znatno razlikuje
od ostalih (iznad oekivanja) to merenje sadri grubu
greku.
Grube greke merenja predstavljaju razlike izmeu
vrednosti merenja i njihovih ekivanja, u oznaci
X i X i E ( X i )

GRUBE GREKE
Kao kriterijumi na osnovu kojih se utvruje da li

kvalitet merenja odgovara uslovljenoj (unapred
usvojenoj) tanosti slue granine greke ili
dozvoljena odstupanja.
Njihov je zadatak da vre selekciju onih vrednosti
merenih veliina koje su ispod nivoa eljene
tanosti. Takva se merenja odbacuju i zamenjuju
novim merenjima koja se obavljaju pod istim
uslovima.
1.4.3. GREKE REZULTATA MERENIH

VELIINA
1.4.3.1. ISTINITE GREKE REZULTATA MERENJA

Na osnovu istinitih (sluajnih) greaka moe se
odrediti eksperimentalna varijansa, po formuli
n
2
s
i
i 1
ili eksperimentalna standardna devijacija

1 T
1 n 2
s

i
n
n i 1
gde je: n broj istinitih greaka
vektor istinitih greaka.

to je vei broj merenih veliina to je vea
pouzdanost
odreivanja
eksperimentalne
standardne devijacije.
Kada broj merenih veliina neogranieno raste,
eksperimentalna varijansa tei varijansi
n
lim s 2 lim
i
i 1
Standardna devijacija objektivno karakterie tanost

merenih veliina i najadekvatnije odraava itav
kompleks greaka odnosno uslove merenja.

Kako je broj merenja iste veliine veoma ogranien
sledi da nikada nije poznata vrednost standardne
devijacije.
Smatra se u praktinim primenama da je
kada je broj merenja
n 30
Ako je broj merenja n vei onda je vrednost
eksperimentalne standardne devijacije S blia
vrednosti standardne devijacije
.
Rezultati merenih veliina
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 )

Na osnovu odstupanja
fi
(i=1, 2, ..., r)
odreuje se eksperimentalna standardna devijacija

jedinice teine oblika
T
f Q f
so
r
gde je:
f T f1
f2
f r vektor odstupanja merenja
matrica kofaktora kojom

zavisnost izmeu odstupanja
se
fi .
definie

Kada su odstupanja f i meusobno nezavisna
onda vai
1
Q P
a eksperimentalna standardna devijacija jedinice
teine je oblika
r
f T Pf
so
2
p
f
fi i
i 1
ili eksperimentalna standardna devijacija odstupanja
so
s fi
p fi

Ako su merene veliine iste tanosti onda sledi
p1 p2 ... pn 1
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
GREKE MERENJA U TROUGLOVIMA

U trigonometrijskoj mrei istinitu greku predstavlja
nezatvaranje (odstupanje) trougla gde je:
istinita greka
f f 180o (1 2 3 )
odstupanje u trouglu
GREKE MERENJA U TROUGLOVIMA

Eksperimentalna standardna devijacija opaanog
ugla
r
f Tf
s
3r
i 1
fi 2
i=1,2, r
broj trouglova
3r
Eksperimentalna standardna devijacija opaanog

pravca
r
2
f
i
i 1
6r
jer je
s 2s
2
s
2
GREKE ZATVARANJA HORIZONTA

Ako su nezatvaranja horizonta
ni
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
broj uglova na i-toj stanici.

Eksperimentalna standardna devijacija merenja
uglova moe se pisati u obliku
r
i 1
Eksperimentalna standardna devijacija karakterie

tanost merenja uglova u celoj mrei.
Ako je broj stanica
fi
si
ni
r 1 onda sledi
Eksperimentalna standardna
devijacija ugla u n girusa na
i toj stanici.

GREKE ZATVARANJA POLIGONA
NIVELMANSKE MREE
U nivelmanskoj mrei istinite greke f h
odreuju se prema izrazima
B
n
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

GREKE ZATVARANJA POLIGONA
NIVELMANSKE MREE
Eksperimentalna
teine je oblika
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
1.4.3.2. ODSTUPANJA OD ARITMETIKE SREDINE

Ako se popravke i rezultata merenja li raunaju
kao odstupanja od aritmetike sredine L u obliku
n
i L li
l
i 1
li
onda se eksperimentalna standardna devijacija

jedinice teine odreuje prema izrazu
n
so
v T Pv
n 1
2
p
ii
i 1
n 1

Eksperimentalna standardna devijacija aritmetike
sredine L je oblika
sL
so
eT Pe
so
n
p
i 1
gde je jedinini vektor
eT 1 1 1
Ako se sa jedne take uglovi mere istom tanou,

onda matrica teina prelazi u jedininu matricu P I
a eksperimentalne standardne devijacije su
n
v v
s
n 1
so
i 1
2
i
n 1
so
sL
T
n
e e

TANOST UGLA NA STANICI
Ako je sa jedne take mereno vie uglova i ako se
broj uglova na i toj taki oznai sa r onda e
eksperimentalne standardne devijacije biti:
Za metodu zatvaranja horizonta
n 2
i
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

Za girusnu metodu
Kod girusne metode opaaju se pravci
1
2
i i
i 1 i 1
i r i1 i1 i
n 1r 1
n
gde je: r broj pravaca

n broj girusa
Eksperimentalna standardna devijacija
opaanog pravca u jednom girusu je
s
sn
n
1.4.3.3. RAZLIKE DVOSTRUKIH MERENJA

Za niz dvostrukih (parnih) merenja
'
1
'
2
'
r
''
1
''
2
''
r
l , l , , l
l , l , , l
obrazuju se razlike za svaki korespondentan par

vrednosti
di l l
'
i
"
i
(i 1, 2, , r )
gde je r broj parova (razlika d i ).
Ako su razlike rezultata parnih merenja iste

tanosti i nisu optereene sistematskim grekama
onda je:
eksperimentalna standardna devjacija razlika d i
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

Ako su razlike rezultata parnih merenja
optereene konstantnim sistematskim grekama
onda vrednost izraza
r
d
i 1
znatno odstupa od nule, jer su sistematske greke

prisutne u razlikama dvostrukih merenja d i .
Zato je potrebno da se razlike dvostrukih merenja
oslobode sistematskog uticaja pa tek onda da se
odredi eksperimentalna standardna devjacija.

Ako su u razlikama d i prisutne sluajne greke
i sistematske greke ci onda sledi
di i ci
(i 1, 2, ..., r )
Iz obrazovane sume
r
d c
i
i 1
i 1
i 1
dobija se srednja vrednost sistematske greke

r
jer je
d c
i
i 1
i 1
i 1
kada

Ako se razlike koje sadre sistematske greke
oznae sa d i neophodno je da one
budu
osloboene sistematskog uticaja, prema izrazu
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 )

r
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 )
1.4.4. ZAKON PRENOSA GREAKA

U optem sluaju funkcija F iji su argumenti
sluajne veliine x1 , x2 , ..., xn je nelinearnog
oblika
F f ( x1 , x2 , ..., xn )
Linearizacijom ili razvijanjem u Tajlorov red sledi

n
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

Varijansa funkcije F u matrinom obliku je
A K X A A QX A
2
F
2
o
Izraz (1) naziva se zakon prenosa greaka stohastiki

zavisnih sluajnih veliina sa varijans-kovarijans
matricom
12 12
21 22
KX
n1 n 2
1n
2n

n2
Zakon prenosa greaka

izrazom (1) moe se
(algebarskoj) formi
n
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

Za stohastiki nezavisna merenja varijans-kovarijans
matrica postaje dijagonalna matrica oblika
12
2
2
KX
Zakon prenosa greaka definisan matrinim

izrazom (1), za stohastiki nezavisna merenja, u
razvijenoj (algebarskoj) formi je
n
2
2
2
3
F
i
i
i 1

Zakon prenosa greaka definisan izrazom (3)
u algebarskoj formi moe se pisati u obliku
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
Izraz (4) je zakon prenosa greaka

stohastiki nezavisnih merenja u algebarskoj
formi.

Date koordinate: T ( xi , yi ), (i A, B)
Merene veliine: , D sa , D
Nepoznate koordinate: T ( xi , yi )
Koordinate take su:
D cosv
yi y A D sin vAB
xi xA
ili
yi f1 D,
xi f 2 D,
B
A

Diferenciranjem se dobija
d
dyi sin v dD D cos v
"
d
B
B
dxi cosvA dD D sin vA
"
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

Standardne devijacije koordinata taaka su
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
U teoriji i praktinim primenama izravnanja

geodetskih mrea, postoji irok spektar razliitih
matematikih modela izravnanja.
Osnovne komponente metoda izravnanja su:
merene veliine,
stohastiki model,
funkcionalni model,
algoritam izravnanja,
ocene parametara,
ocena tanosti i
kontrola kvaliteta.
2.1. METOD NAJMANJIH KVADRATA

U teoriji izravnanja geodetskih mrea, koja se bazira na
primeni metoda najmanjih kvadrata (MNK), postoje
razliiti matematiki modeli izravnanja.
U praktinim primenama izravnanja geodetskih mrea
najee se koriste sledee metode:
izravnanje po metodi posrednih merenja,
izravnanje po metodi uslovnih merenja,
izravnanje po metodi uslovnih merenja sa
nepoznatim parametrima,
izravnanje po metodi posrednih merenja kada su
parametri u odreenim matematikim uslovima.

Merene velicine
Funkcionalni
model
Stohasticki
model
Algoritam izravnanja
MNK
Ocene parametara
i njihova tacnost
Kontrola
kvaliteta
Komponente metoda izravnanja po MNK.
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
Merene veliine su sluajne veliine koje slede normalnu

raspodelu verovatnoa simbolino izraeno u obliku
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
standardna devijacija jedinice teine
Ql
matrica kofaktora
kovarijaciona matrica
(1)

Kada su merene veliine stohastiki nezavisne onda su
svi elementi van glavne dijagonale kovarijacione
matrice jednaki nuli
l21
l22
Kl
p1
l2n
1
p2
o2 Pl1
1
pn

gde je
1 / p1
1 / p2
1
Pl
1
/
p
n
odnosno, matrica teina, bie
p1
Pl
p2
Diag p1
pn
p2 pn

Iz izraza za kovarijacionu matricu (1) sledi
matrica kofaktora merenih veliina u obliku
Ql
2
o
Kl
(2)
Matrica teina merenih veliina po definiciji je
1
l
Pl Q K
2
o
1
l
(3)
i ona reprezentuje stohastiki model rezultata merenja.
Za stohastiki nezavisna merenja matrica teina (3)

ima oblik
o2
l21
Pl
2
o
l2
p1

2
o
2
l n
p2
pn

gde su teine pojedinih rezultata merenja
pi
2
o
2
li
(4)
Teine merenih veliina izraavaju stepen poverenja

u rezultate merenih veliina.
Za rezultate merenja homogene tanosti vai
l l ... l o
1
pa matrica teina (3) postaje jedinina matrica
Pl
I

FUNKCIONALNI MODEL
Oblik funkcionalnog modela zavisi od metoda

izravnanja geodetske mree i njene geometrije.
U optem sluaju funkcije veze u modelima
izravnanja su nelinearne i piu se u implicitnom
vektorskom obliku.
Kada je kreiran funkcionalni modeli izravnanja
neophodno je odrediti i korespondentan
stohastiki model izravnanja.
OPTI NELINEARNI FUNKCIONALNI MODEL

POSREDNOG IZRAVNANJA
U optem sluaju funkcije veze su nelinearne i piu se

u implicitnom vektorskom obliku
l l v F(X
)

gde su vektori
l1
l1

l2
l l2
l
l
l
n
n
)
F1(X
1
F
(
X
2
) 2
v F( X

F (X
)
n
n
Vektor izravnatih parametara je
X x
X
0
gde su vektori
x0

y0
X0

t
0
dx

dy
x

dt

Opti nelinearni funkcionalni model posrednog

izravnanja i stohastiki model imaju oblik

USLOVNOG IZRAVNANJA
U optem sluaju uslovne jednaine su nelinearne
i piu se u implicitnom vektorskom obliku
F( l) Fl v T

gde su vektori
F1(l)
l)
F
(
2
F( l)

F (l)
r
T1

T2
T

T
r

Opti nelinearni funkcionalni model uslovnog
izravnanja i stohastiki model imaju oblik

USLOVNOG IZRAVNANJA SA NEPOZNATIM
PARAMETRIMA
U optem sluaju uslovne jednaine su nelinearne
i piu se u implicitnom vektorskom obliku
F( l, X) F l v, X T
Opti nelinearni funkcionalni model uslovnog

izravnanja sa nepoznatim parametrima i stohastiki
model imaju oblik
U svim metodama izravnanja nelinearni funkcionalni

modeli
prevode
se
u
linearne
modele
aproksimacijom linearnog dela Tajlorovog reda.
Za take razvoja u Tajlorov red koriste se:
rezultati merenja
privremene vrednosti nepoznatih parametara
X0

U optem metodu, uslovnog izravnanja
nepoznatim parametrima Tajlorov red je oblika
sa
F
F
F( l, X) F(l v, X0 dx) F(l, X0 )

v
dx T
l
X0
U narednim poglavljima posveenim metodama
izravnanja detaljno se razmatraju linearizacije
nelinearnih funkcionalnih modela primenom Tajlorovog
reda kao i sistemi linearnih jednaina.
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 nepoznatih parametara
vektor izravnatih rezultata merenja
vektor popravaka.

Pored ocena vrednosti pojedinih veliina neophodno je
odrediti i njihovu tanost.
Tanost pojedinih veliina odreuje se kovarijacionim

matricama:
K x
nepoznatih parametara
K l
izravnatih rezultata merenja
Kv
popravaka.

KONTROLA KVALITETA
Kvalitet geodetskih mrea nakon izravnanja odreen je sa dve
podjednako vane komponenete: tanost i pouzdanost.
Kvalitet
Tacnost
Tacke
Globalne
mere
Lokalne
mere
Pouzdanost
Funkcije
Globalne
mere
Lokalne
mere
Unutranja
Spoljanja
Globalne Lokalne
mere
mere
Globalne Lokalne
mere
mere
Koncept kvaliteta geodetskih mrea.
Prva komponenta se odnosi na globalne i lokalne

mere tanosti taaka ili funkcija.
Druga komponenta se odnosi na globalne i lokalne
mere pouzdanosti unutranje ili spoljanje
Koncept kvaliteta primenjuje se u analizi

geodetskih mrea nakon izravnanja, pri
projektovanju geodetskih mrea u okviru
prethodne
anlize
tanosti
i
optimizacije
geodetskih mrea

Racun Izravnanja Prezentacije Deo I

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Racun Izravnanja Prezentacije Deo I

Uploaded by

Copyright:

Available Formats

UNIVERZITET U NOVOM SADU

FAKULTET TEHNIKIH NAUKA

Metod najmanjih kvadrata

Uslovno izravnanje sa nepoznatim parametrima

Izravnanje slobodnih mrea

Primena 1-D izravnanja

Primena 2-D izravnanja

4. Adustment Computations Spatial data

rasporedi sluajnih veliina,

Funkcija raspodele verovatnoa

Matematika oekivanja i standardne devijacije sluajne veliine

Normalna raspodela (1-D)

Normalna raspodela (2-D)

optu aritmetiku sredinu,

uoptenu aritmetiku sredinu,

1. Prema izvoru greaka merenja

2. Prema karakteru delovanja

1.1. SLUAJNE VELIINE

1.1.1. DEFINICIJA SLUAJNE VELIINE

ili ako ima beskonaan broj vrednosti onda se

1.1.1. DEFINICIJA SLUAJNE VELIINE

ili ako se rezultat moe izraziti sa vie numerikih

1.1. SLUAJNE VELIINE

Zakon raspodele verovatnoa diskretne sluajne

1.1.2. ZAKON RASPODELE VEROVATNOA

gde je x irina klase.

1.1.2. ZAKON RASPODELE VEROVATNOA

gde je xj centralna vrednost klase a fj broj vrednosti

1.1.2. ZAKON RASPODELE VEROVATNOA

Funkcija uestalosti je oblika

1.1.2. ZAKON RASPODELE VEROVATNOA

Funkcija verovatnoa je oblika

1.1.2. ZAKON RASPODELE VEROVATNOA

Zakon raspodele verovatnoa (funkcija uestalosti).

1.1.2. ZAKON RASPODELE VEROVATNOA

gde je f(x) funkcija gustine raspodele verovatnoa ili

1.1.2. ZAKON RASPODELE VEROVATNOA

1.1.2. ZAKON RASPODELE VEROVATNOA

Funkcija gustine raspodele verovatnoa f(x).

1.1.2. ZAKON RASPODELE VEROVATNOA

i uzima konaan skup vrednosti

(xi , yj ) (i=1, 2, ...,n; j=1, 2, ..., m),

kada uzima beskonaan skup vrednosti

1.1.2. ZAKON RASPODELE VEROVATNOA

(X=xi , Y=yj) = pij (i=1, 2, ... ,n; j=1, 2, ... , m)

1.1.2. ZAKON RASPODELE VEROVATNOA

gde je f(x,y) funkcija gustine raspodele verovatnoa

1.1.2. ZAKON RASPODELE VEROVATNOA

1.1.2. ZAKON RASPODELE VEROVATNOA

Kriva raspodele f(x, y) ispunjava uslove:

Funkcija gustine raspodele verovatnoa f(x,y).

1.1.3. FUNKCIJA RASPODELE VEROVATNOA

gde P oznaava verovatnou.

Ako je sluajna veliina X neprekidna, onda je

gde je f(x) funkcija gustine verovatnoa.

1.1.3. FUNKCIJA RASPODELE VEROVATNOA

Funkcija raspodele verovatnoa F(x).

1.1.3. FUNKCIJA RASPODELE VEROVATNOA

Verovatnoa da se sluajna veliina X nae u intervalu x1 , x2

f ( x)dx f ( x)dx f ( x)dx F ( x ) F ( x )

Simetrina funkcija raspodele verovatnoa.

1.1.3. FUNKCIJA RASPODELE VEROVATNOA

f ( x)dx f ( x)dx f ( x)dx F ( x ) F ( x )

Asimetrina funkcija raspodele verovatnoa.