You are on page 1of 7

REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN SUPERIOR


FACULTAD DE INGENIERA ESCUELA DE GEODESIA
CALCULO DE COMPENSACIN II
PROF.: ANTONIO GONZLEZ

AJUSTE POR COLOCACION

BR. VILLEGAS VILORIA, ANDRS EMILIO


C.I.: 24.565.774

Maracaibo, septiembre de 2017


AJUSTE POR COLOCACIN

-Modelos matemticos de ajustes:

En todo problema geodsico aparecen involucrados tres tipos de elementos de


carcter fundamental. En primer lugar estn los que llamamos parmetros, son
incgnitas del problema, magnitudes que nos representan aquello que deseamos
determinar. En segundo lugar estn los observables que son aquellas magnitudes
que podemos determinar directa o indirectamente por observacin. En tercer lugar
estn las funciones o relaciones matemticas establecidas ntrelos parmetros y
los observables. Al conjunto de parmetros, observables y funciones 10 llamamos
modelo matemtico.

Entonces, mediante un modelo matemtico trataremos de describir lo geomtrico


del problema. O representar con el que una situacin o fenmeno fsico
encentaremos explicar la realidad.

El modelo matemtico suele considerarse constituido por dos partes: el modelo


funcional y el modelo estocstico.

El propiedades relaciones modelo funcional o determinista establece las fsicas o


geomtricas del problema dando las matemticas entre las variables involucradas
de forma implcita o explicita, independientemente de los valores numricos que
tomen dichas variables; estar constituido por las funciones que relacionen los
parmetros con los observables incluyendo algunos podemos escribir un modelo
funcional como tambin puede adoptar una forma explcita en L:

F(X,L) = o, (1. 1 )
Forma explcita en L:

L = F (X) , (1.2)
o e-n X
X = F (L ) , (1. 3) o, en ausencia de
parmetros, la forma de un modelo condicin F (L ) o. (1. 4)

En estas expresiones F es un conjunto de funciones, que pueden ser la misma en


cada caso, X son los parmetros, que son variables independientes entre si y que
no se pueden observar, salvo en el caso t r i v i a l del modelo (1.3) y L son los
observables, variables del problema a las que se les podr asignar valores por
observaciones constantes propias del fenmeno estudiado si ello fuera necesario.
En forma implcita general

El modelo estocstico establece las caractersticas o propiedades estocsticas de


las variables aleatorias involucradas en el modelo funcional. La necesidad ~el
modelo estocstico surge del hecho inicial de que las observaciones que entran en
el problema son variables aleatorias, al ser el resultado de un proceso de medida
en el que incuestionablemente se cometen errores de observacin; adems otras
variables del modelo como los parmetros, e incluso las propias funciones pueden
tener tambin carcter aleatorio. El modelo estocstico se especifica
generalmente dando la esperanza matemtica de las variables aleatorias que
intervengan y sus matrices de varianza-covarianza.
Las variables X, L Y las funciones F constituirn tres espacios matemticos
formados por todos los elementos que se puedan presentar de cada clase. As, el
conjunto de todos los posibles vectores solucin X constituye el espacio de
parmetros que supondremos de dimensin n. El conjunto de todos los posibles
vectores de observaciones L constituye el espacio de observaciones que
supondremos de dimensin m. Y el conjunto de todos los posibles vectores de
funciones F constituyen el espacio de funciones de dimensin c.
Para un tratamiento adecuado, desde un punto de vista matemtico, de
nuestros modelos en los problemas de ajuste que hemos de plantear es necesario
un buen conocimiento de la estructura de estos tres espacios, cuyas propiedades.
Desde un primer momento es necesario darse' cuenta de que un modelo
matemtico, tal como el F(X,L) O por ejemplo, se verifica exactamente para los
valores X de los parmetros y los va lores L de 1 as observaciones que entonces
llamaremos valores ajustados. Las observaciones reales t no coinciden con los
valores L porque adolecen del error de observacin, a su diferencia que
representamos por el vector v la llamaremos vector de errores residuales, y cuyas
propiedades juegan un papel fundamental en la teora y en nuestras aplicaciones.

Desde un primer momento es necesario darse' cuenta de que un modelo


matemtico, tal como el F(X, L) O por ejemplo, se verifica exactamente para los
valores X de los parmetros y los va lores L de 1 as observaciones que entonces
llamaremos valores ajustados. Las observaciones reales t no coinciden con los
valores L porque adolecen del error de observacin, a su diferencia que
representamos por el vector v la llamaremos vector de errores residuales, y
escribiremos.
L = e + v ,
(1. 5)
donde el signo ms es convencional. Adems, los valores L que verifican el
modelo tampoco son los valores verdaderos de los observables de manera que los
errores v no son los errores verdaderos. Evidentemente, con los valores
verdaderos de los observables, Ly y con los valores verdaderos de los errores, ,
tendramos una relacin anloga a la (1.5):

MODELO GENERAL DE COLOCACIN MINIMOS CUADRADOS


- Modelo funcional
El modelo general de colocacin constituye un caso muy general de mnimos
cuadrados, su caracterstica principal es que adems de los parmetros y los
errores de observacin permite estimar otras cantidades aleatorias de gran inters
en muchos problemas geodsicos. El observable L 10 suponemos en la forma
(1.7) que incluye en la observacin t una parte aleatoria de esperanza matemtica
cero que sern los errores de observacin o ruido r, y otra parte tambin a1eatoria
de media cero o seal s, siendo r y s incorre1ados. Entonces con respecto d la
observacin tomamos

L ~ t + s + r. (2. 1 )

Para completar el planteamiento del problema de colocacin, supondremos m


observaciones e (y por tanto m ruidos r, y m seales s en puntos de observacin)
y n parmetros x con m> n para di suponer de observaciones superabundantes:
supondremos, adems, que deseamos estimar seales en puntos que pueden ser
los mismos (seales s) o distintos de los de observacin, el vector de seales en
los puntos distintos lo representamos por z y lo supondremos de dimensin k y
tambin incorrelado con r.

Entonces, la determinacin de los parmetros x es un problema de ajuste, la de la


seal z en puntos distintos a los de observacin una prediccin y la eliminacin del
ruido un problema de filtrado. La combinacin en M un solo procedimiento del
ajuste, la prediccin (interpolacin o extrapolacin) y el filtrado constituye el
problema de colocacin general (Motriz, 1980).
Transformemos la cuenta todas las seales. de la siguiente forma expresin
Introducimos (2.5) para una matriz tener en B definida

esto es, constituida por tres cajas, una primera caja con la (mxm)-matriz unidad
cambiada de s i q np , otra segunda con la (mxk)-matriz de ceros y una tercera con
otra (mxm)-matriz unidad cambiada de signo. Definimos asimismo un vector v,
formado por toda la parte aleatoria de nuestro problema, de la forma
Entonces es evidente que de manera que el modelo (2.5) toma la forma estandard
Bv =-s - r,
Ax + Bv - t = O
Formalmente las ecuaciones de condicin as obtenidas para la colocacin (2.9)
responden a un modelo de ajuste mixto de o b s e r v a c i o n e s con condiciones
y parmetros (1.19) y este hecho nos va a servir para obtener de forma inmediata
las estimaciones mnimos cuadrados de los parmetros, de las seales y del ruido
y sus correspondientes precisiones a posteriori.
2.2. Modelo estocstico a priori Matrices Supongamos de momento que cero
2 del a s o b s e r v a e ion e s e s cofactor coincidirn con la varianza de
referencia 1 a unidad, entonces 1as las matrices covarianza a priori. En particular
sabemos que con respecto a, la media total M introducida en 1.2 se verifica

Donde por (2.7) 1 a matriz de covarianza C'IV viene dada por cajas en la forma

por lo que debemos analizar por separado las matrices covarianza de 1 a seal,
Css' C II del ruido C,.,. y cruzadas SI' C~ r' C, r' que representado por la letra C,
evitando la utilizacin de E que se usa ordinariamente para cantidades
genuinamente a1eatorias (como los errores de observacin).
En primer lugar como la seal y el ruido son variable 1 es incorre1adas, los
trminos Csr, Ctr, Ces y Crz son cero y (2.11) queda reducida a

Cuya parte aleatoria es + r , como c.r= O


En
C tt Css + C,.,. = e
es decir, 1 a matriz covarianza de 1 a s observaciones es 1a suma de 1 a s
matrices covarianza de 1 a seal y del ruido en los puntos de observacin. En lo
que sigue supondremos conocidas y de rango completo todas 1 a s matrices
covarianza de 1as seales y de i ruido que figurar en (2.12) , 1 a s primeras
pueden obtenerse por el clculo en segunda por la precisin de las funciones
covarianza han de el campo de las seales las medidas. Es decir ~ser definidas
positivas.