Professional Documents
Culture Documents
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ
Τμήμα Πολιτικών Μηχανικών
Εργαστήριο Γεωδαισίας και Γεωδαιτικών Εφαρμογών
«ΓΕΩΔΑΙΤΙΚΕΣ ΜΕΤΡΗΣΕΙΣ»
Πάτρα 2009
Page 1 of 58
2
Στην καθημερινή μας ζωή χρησιμοποιούμε πολύ συχνά τις λέξεις «λάθος» και
«σφάλμα» με σχεδόν ταυτόσημα έννοια. Από τεχνική ή επιστημονική άποψη, ως
σφάλματα θεωρούμε αποτελούν μετρήσιμα μεγέθη και στοχαστικές μεταβλητές,
πρακτικά μεταβλητές με χαρακτηριστικά που προκύπτουν με στατιστικές μεθόδους.
Αντίθετα ο όρος «λάθος» έχει βασικά ποιοτικό χαρακτήρα και θα μπορούσαμε να
πούμε ότι είναι λάθος ο μηχανικός ή ένας επιστήμονας να μην υπολογίζει τα
σφάλματα.
Σφάλματα υπεισέρχονται στις μετρήσεις, στους υπολογισμούς (πχ στρογγυλεύσεις
δεκαδικών) και τα μοντέλλα (απλουστευτικά μοντέλλα και αγνόηση παραμέτρων, πχ.
αγνόηση της σφαιρικότητας της γής και υπόθεση παραλληλίας κατακορύφου).
Επειδή το τελικό προϊόν του μηχανικού ιδίως είναι συνήθως συνδυασμός μετρήσεων,
υπολογισμών και μοντέλλων, τα σφάλματα σε κάθε μία από τις τρεις ενότητες
υπεισέρχεται και στις άλλες και τελικά διογκώνεται.
Η θεωρία των Μετρήσεων και Σφαλμάτων προφανώς εστιάζεται στα σφάλματα των
μετρήσεων και στο πως αυτά μεταδίδονται μέσω υπολογισμών- πχ. πως το σφάλμα
μέτρησης των διαστάσεων ενός οικοπέδου επιρρεάζει το εμβαδόν. Παρότι δεν
ενδιαφέρεται άμεσα για τα μοντέλλα, προσφέρει τα μέσα («εργαλεία») για να ελέγχει
κανείς την αξία ενός μοντέλλου, όπως θα δειχτεί σε επόμενες παραγράφους (πχ εάν
κάποια μεταβλητή έχει γραμμική ή παραβολική μορφή, αν ένα φράγμα
παραμορφώνεται λόγω ανύψωσης της στάθμης του ταμιευτήρα ή λόγω εποχιακών
θερμικών μεταβολών, κλπ.
Εάν κανείς μετρήσει αρκετές φορές ένα μέγεθος, πχ. την πρόσοψη ενός σπιτιού ή
ενός οικοπέδου, θα διαπιστώσει ότι οι μετρήσεις διαφέρουν μεταξύ τους. Όμως, τα
σφάλματα μπορεί να έχουν τεράστια σημασία.
Ένα άλλο πρόβλημα είναι η συσσώρευση των σφαλμάτων, που μπορεί να οδηγήσει
σε εσφαλμένα αποτελέσματα.
Η εμπειρία και η θεωρία έχουν δείξει ότι ΌΛΕΣ οι μετρήσεις περιέχουν σφάλματα
(η αντίστοιχα έχουν αβεβαιότητες), και γι΄αυτό είναι αναγκαίο να προσδιορίζεται η
ποιότητα των μετρήσεων (ή αντίστοιχα να προσδιορίζεται το επίπεδο ή και το είδος
των σφαλμάτων).
Λόγω της ύπαρξης σφαλμάτων δεν μπορούμε να υπολογίσουμε αληθείς τιμές, αλλά
μόνο εκτιμήσεις (πιθανότερες ή καλύτερες τιμές) κάποιου μεγέθους. Για το λόγο
αυτό, μετρήσεις (ή αποτελέσματα) που δεν συνοδεύονται από εκτιμήσεις
αβεβαιότητας (σφαλμάτων, ποιότητας, κλπ) είναι μη αποδεκτές για μια σειρά από
δραστηριότητες στο χώρο της τεχνικής και της επιστήμης.
Όπως αναλύεται σε επόμενη παράγραφο, δεν ισχύει η συνήθως αποδεκτή άποψη ότι ο
Μέσος Ορος (ΜΟ) πολλών μετρήσεων προσδιορίζει την «αληθή» τιμή. Η τελευταία
πρακτικά μπορεί να προσεγγιστεί σε μεγάλο βαθμό μόνο με όργανα και τεχνικές
υψηλότερης ποιότητας.
Οι εκτιμήσεις της ποιότητας μερικών μετρήσεων (ή μεταβλητών που βασίζονται σε
μετρήσεις) παραλείπονται μόνο όταν έχουν εφαρμοστεί πιστά καθιερωμένοι τρόποι
μέτρησης («προδιαγραφές») που παράγουν αποτελέσματα γνωστής ακρίβειας (πχ.
Page 2 of 58
3
Υποθέτουμε ότι έχουν γίνει με κάποια μέθοδο συνολικά 88 μετρήσεις του (άγνωστου)
μήκους μεταξύ δύο σημείων από προσεκτικούς παρατηρητές. Διαφορές
παρατηρούνται μόνο στα δύο τελευταία δεκαδικά ψηφία (εκατοστά), και κυμαίνονται
από 11 έως 21, ενώ ο μέσος όρος είναι 15.7.
Μερικές τιμές εμφανίζονται περισσότερες φορές, άλλες λιγώτερο, ή και καθόλου. Η
συχνότητα εμφάνισης κάθε τιμής (τα δύο τελευταία δεκαδικά ψηφία για απλότητα)
φαίνεται στον ακόλουθο Πίνακα και σε επόμενα κεφάλαια θα ονομάζεται βάρος. Τα
ίδια στοιχεία εμφανίζονται και με μορφή ιστογράμματος. Είναι εμφανές ότι οι τιμές
με μεγάλες συχνότητες εμφάνισης (15, 16, 17) είναι κοντά στο μέσο όρο (ή έχουν
μεγάλο «βάρος» στον υπολογισμό της μέσης τιμής), και οι ακραίες τιμές έχουν μικρές
συχνότητες εμφάνισης (και μικρό «βάρος» στον υπολογισμό της μέσης τιμής).
Πίνακας (αριστερά) και Ιστόγραμμα (δεξιά) της Συχνότητας εμφάνισης τιμών στις μετρήσεις
(στο δείγμα) και προσαρμογή της καμπύλης της κανονικής κατανομής θεωρώντας ότι οι
μετρήσεις αποτελούν τμήμα ενός πληθυσμού άπειρου μεγέθους
Page 3 of 58
4
Είναι εύκολο να αντιληφθεί κανείς ότι το ιστόγραμμα που αφορά μια μονοδιάστατη
μεταβλητή στην περίπτωση αυτή προσεγγίζεται πολύ καλά από μία μαθηματική
καμπύλη, γνωστή ως καμπύλη της Κανονικής Κατανομής ή ως καμπύλη του Gauss.
Η συνάρτηση που περιγράφει την κατανομή της x ορίζεται ως:
f (x) =
1
exp ⎨−
(
⎧ x−x 2⎫
⎪ )⎪
⎬
σ ⋅ 2π ⎪ 2σ 2
⎪
⎩ ⎭
και προσδιορίζεται από δύο παραμέτρους:
(α) το Μέσο Ορο (ΜΟ) ή μέση τιμή του x που αποτελεί την καλύτερη εκτίμηση ή τιμή
της μεταβλητής και αμερόληπτη (ή αντικειμενική) εκτίμησή της όπως θα αναφερθεί στην
παραγρ. 2.2.7. Ο ΜΟ συμβολίζεται συνήθως ως μ, x ή μx και παρέχεται από την εξίσωση
ν
1
x=
ν
∑x
i =1
i
Page 4 of 58
5
Page 5 of 58
6
Πολλές φορές εξετάζουμε ένα χαρακτηριστικό ενός συνόλου από μετρήσεις που
καλύπτουν όλα τα στοιχεία του (πληθυσμός) και άλλες προσπαθούμε να
εκτιμήσουμε ένα χαρακτηριστικό εξετάζοντας μόνο ένα υποσύνολο (δείγμα). Ο
υπολογισμός της μέσης τιμής του βαθμού όλων των φοιτητών ενός έτους σε ένα
μάθημα (ολόκληρου πληθυσμού) και αντίστοιχα μια δημοσκόπιση –εξέταση πχ ενός
δείγματος 1000 ατόμων σε ένα πληθυσμό μερικών εκατομμυρίων ψηφοφόρων (πχ σε
ένα γκάλλοπ) είναι χαρακτηριστικές περιπτώσεις.
Η σημασία της διάκρισης μεταξύ ολόκληρου πληθυσμού και δείγματος (μετρήσεων
ενός άγνωστου μεγέθους) είναι σημαντική, γιατί ορισμένοι στατιστικοί τύποι
διαφέρουν. Ειδικά για δείγμα μεγέθους Ν ισχύει ο τύπος
1 N
σ2 = ∑
N − 1 i =1
( xi − x )2
1 N
σ2 = ∑
N i =1
( xi − x )2
Προφανώς η διαφορά αφορά τους βαθμούς ελευθερίας, τον συντελεστή Ν ή Ν-1 στον
παρανομαστή. Συνήθως υπάρχει μεγάλη ασάφεια στην επιλογή του συντελεστή Ν ή
Ν-1 και στην αιτιολόγηση της επιλογής. Πάντως, όταν υπολογίζεται και
συμμεταβλητότητα, συνήθως επιλέγεται ο τύπος με παρανομαστή Ν.
Προσοχή: Η διακύμανση (και αντίστοιχα η τυπική απόκλιση) που προκύπτει από τις
εξ. 2.3 ή 2.6 αφορά μόνο μια μεμονωμένη μέτρηση /τιμή και όχι τον μέσο όρο
μετρήσεων, του οποίου η μεταβλητότητα είναι διαφορετική (διακύμανση ή τυπικό
σφάλμα ενός συνόλου μέσων όρων σμ που έχουν προκύψει από επι μέρους
δειγματοληψίες. Είναι επομένως διαφορετικά τα όρια της διακύμανσης μιας
μεμονωμένης μέτρησης (από μία δειγματοληψία) και του μέσου όρου των
καλύτερων εκτιμήσεων που προκύπτουν από διάφορες δειγματοληψίες. Για
παράδειγμα, το «στατιστικό σφάλμα» ενός γκάλλοπ μιάς συγκεκριμένης εταιρείας
διαφέρει από το «στατιστικό σφάλμα» των γκάλλοπ από έξη διαφορετικές εταιρείες
όταν εξεταστούν όλα μαζί. Το τελευταίο αυτό σημείο εξετάζεται στο Κεφάλαιο για
τις εφαρμογές του Νόμου Μετάδοσης Σφαλμάτων.
Page 6 of 58
7
τιμής μέτρησης και θα την πολλαπλασιάσει με την αντίστοιχη τιμή και το άθροισμα
τους θα το διαιρέσει με το άθροισμα των συχνοτήτων.
Η διαδικασία αναλύεται για περίπτωση επαναλαμβανόμενων μετρήσεων.
Θεωρούμε ότι ένα ευθύγραμμο τμήμα μετρήθηκε n φορές με μετρήσεις ίσης
ακρίβειας και προέκυψαν τα εξής αποτελέσματα
Η τιμή x1 καταγράφηκε p1 φορές
Η τιμή x2 καταγράφηκε p2 φορές
Η τιμή x3 καταγράφηκε p3 φορές
Η τιμή x4 καταγράφηκε p4 φορές κλπ, όπου Σpi=n
Είναι προφανές ότι η μέση τιμή x ή μ θα δίνεται από τον τύπο
x =μ= (p1 φορές το x1 + p2 φορές το x2 + …)/n ή
x=
∑p x
i i
∑p i
Η τιμή αυτή αποτελεί τον Ανηγμένο Μέσο Ορο (ΑΜΟ) ή Γενικευμένο Μέσο Ορο
των μετρήσεων. Το τυπικό σφάλμα του ΑΜΟ προκύπτει από την εφαρμογή του
ΝΜΣ όπως αναλύεται σε επόμενο Κεφάλαιο.
Οι τιμές pi που αποτελούν τις συχνότητες εμφάνισης μιας τιμής σε ένα σύνολο
μετρήσεων ονομάζονται βάρη και υποδηλώνουν πόσο σημαντική είναι μία μέτρηση
στη διαμόρφωση του μέσου όρου.
Η διαδικασία υπολογισμού Γενικευμένου Μέσου Ορου χρησιμοποιείται σε πολλές
περιπτώσεις ακόμη και της καθημερινής ζωής, πχ στον υπολογισμό του βαθμού
πτυχίου όπως αναφέρθηκε πιο πάνω, στον υπολογισμό του τιμάριθμου, στη
βαθμολογία διαγωνισμού προμηθειών του Δημοσίου, ή τον υπολογισμό κέντρου
βάρους ενός σύνθετου σχήματος που αποτελεί προκαταρκτικό πρόβλημα της
Μηχανικής.
Είναι προφανές ότι όλες οι διαθέσιμες μετρήσεις (εκτός από εκείνες για τις οποίες
υπάρχει σαφής ένδειξη για χονδροειδή σφάλματα και τις οποίες αποκλείουμε)
συμμετέχουν στη διαμόρφωση του μέσου όρου, και γι’ αυτό όλες πρέπει λαμβάνονται
υπ’ όψη στον υπολογισμό του.
Παράδειγμα 1
Με τον τύπο του ΑΜΟ πχ. υπολογίζεται συνήθως ο βαθμός Διπλώματος. Ο βαθμός
πολλών υποχρεωτικών μαθημάτων (μαθημάτων με μεγάλο βάρος) επηρεάζει πολύ
τον τελικό βαθμό, ο βαθμός ορισμένων μαθημάτων επιλογής λίγο, ενώ ο βαθμός της
Page 7 of 58
8
Παράδειγμα 2
Μετρήσεις ενός μήκους έγιναν από τρείς ομάδες φοιτητών. Η μία ομάδα εκτίμησε
μέσο μήκος 35.53m από 3 μετρήσεις, η άλλη 35.56 από 4 μετρήσεις και η τρίτη 36.54
από 1 μέτρηση. Οι μετρήσεις είχαν τυπικό σφάλμα 0.01m. Ζητείται η καλύτερη
εκτίμηση του μήκους.
Λύση. Η εκτίμηση της τρίτης ομάδας διαφέρει πολύ από τις λοιπές τιμές και
προκύπτει από μία εξίσωση. Προφανώς αντιστοιχεί σε χονδροειδές σφάλμα. Για το
λόγο αυτό η μέτρηση αγνοείται στην περαιτέρω επεξεργασία και ο ΑΜΟ
υπολογίζεται από τις δύο έγκυρες μετρήσεις. Θα μπορούσε όμως εναλλακτικά
κάποιος να εκτιμήσει ότι το χονδροειδές σφάλμα οφείλεται σε απλό λάθος
καταγραφής, 36.54 αντί του 35.54, να κάνει τη σχετική διόρθωση και να υπολογίσει
τον ΑΜΟ με βάση τις τρείς μετρήσεις αφού εξηγήσει σαφώς τι έχει κάνει και γιατί.
Page 8 of 58
9
Παράδειγμα 1
Θεωρείστε ένα πολιτικό κόμμα Α που έχει σταθερό (αμετάβλητο) εκλογικό ποσοστό,
και δύο κόμματα Β, Γ μεταξύ των οποίων υπάρχει μετακίνηση ψηφοφόρων. Οι
εκτιμήσεις των ποσοστών μεταξύ των Α, Β θα είναι ασυσχέτιστες, ενώ μεταξύ των Β,
Γ πολύ συσχετισμένες.
Παράδειγμα 2
Υπολογισμός μεταβλητοτήτων- συμμεταβλητότητας.
Θεωρούμε έξη ζεύγη μετρήσεων δύο μεταβλητών x(t) και y(t), όπου t ο χρόνος που
παρατίθενται στον Πίνακα 1. Με βάση τα προηγούμενα, υπολογίζουμε x =9.3,
6 6
y =7.3, και σ x2 = 1 ∑υ x2,i = 0.033 , σ y2 = 1 ∑υ y2,i = 0.063 ,
6 i =1 6 i =1
6
6∑
σ y2 = 1 υ x ,i y ,i = 0.024 υ
i =1
Αντικαθιστώντας τις τιμές στον τύπο 2.8 προκύπτει ρ=0.87 που υποδηλώνει υψηλή
γραμμική συσχέτιση.
Χαρακτηριστικές περιπτώσεις γραμμικής συσχέτισης που αντιστοιχούν σε
διαφορετικές γραφικές παραστάσεις σημείων φαίνονται στο ακόλουθο σχήμα.
Page 9 of 58
10
Page 10 of 58
11
Γραφική παράσταση των συντεταγμένων της θέσης ενός σημείου που εκφράζει μια
δισδιάστατη κατανομή. Οι θέσεις των σημείων περιέχονται σε μια έλλειψη σφάλματος.
Page 11 of 58
12
Θεωρούμε δύο τυχαίες μεταβλητές x, y με μέση τιμή (0, 0) μεταβλητότητες σx2 και
σy2 και συντελεστή γραμμικής συσχέτισης ρ. Η κατανομή των δύο μεταβλητών
περιγράφεται προσεγγιστικά από τη συνάρτηση
ΠΙΝΑΚΑΣ ΜΕΤΑΒΛΗΤΟΤΗΤΑΣ-ΣΥΜΜΕΤΑΒΛΗΤΟΤΗΤΑΣ
Οι στατιστικές ιδιότητες δύο μεταβλητών x,y (πχ. των επίπεδων συντεταγμένων ενός
σημείου) περιγράφονται από ένα συμμετρικό Πίνακα διαστάσεων 2x2, τα διαγώνια
στοιχεία του οποίου εκφράζουν τις μεταβλητότητες και τα μη διαγώνια τη
συμμεταβλητότητα. Ο Πίνακας αυτός λέγεται Πίνακας Μεταβλητότητας-
Συμμεταβλητότητας, έχει την κατωτέρω μορφή και συμβολίζεται ως Σ, Σx, Σxx, v-cov,
V, Vx, Vxx, κλπ.
⎡σ xx2 σ xy ⎤
Σ=⎢ 2 ⎥
⎢⎣σ xy σ yy ⎥⎦
Εάν είναι γνωστές οι μεταβλητότητες σx2 και σy2 και ο συντελεστής γραμμικής
συσχέτισης ρ, ο Πίνακας Σ προσδιορίζεται προφανώς ως
Page 12 of 58
13
ΤΥΧΑΙΑ ΣΦΑΛΜΑΤΑ
Είναι ο συνηθέστερος τύπος σφαλμάτων που υπεισέρχεται στις μετρήσεις. Τα τυχαία
σφάλματα χαρακτηρίζονται από μικρό εύρος και τιμές άλλοτε θετικές και άλλοτε
αρνητικές. Το χαρακτηριστικό τους είναι ότι το άθροισμά τους είναι μηδέν. Αυτό
σημαίνει ότι η μέση τιμή των μετρήσεων τείνει να εξουδετερώνει (απαλείφει) τα
τυχαία σφάλματα).
ΧΟΝΔΡΟΕΙΔΗ ΣΦΑΛΜΑΤΑ
Πρόκειται συνήθως για μεμονωμένες τιμές με μεγάλη διαφορά από τις άλλες (πχ.
λόγω αναγραμματισμού ψηφίων σε χειρόγραφη καταγραφή, απροσεξίας, κλπ, ή και
περίεργων τιμών που ξαφνικά μπορεί να δείξει κάποιο όργανο). Τις τιμές αυτές
(outliers) συνήθως τις αφαιρούμε από το σύνολο των μετρήσεων με κάποια
στατιστική ή εμπειρική μέθοδο (πχ εάν διαφέρουν από τη μέση τιμή περισσότερο από
συγκεκριμένο ποσό, συνήθως ±3σ, όπου σ η τυπική απόκλιση των μετρήσεων που
εξετάζονται,).
Προσοχή: Μερικές φορές τιμές (μετρήσεις) που διαφέρουν πολύ από τις λοιπές είναι
πραγματικές, αλλά οι στατιστικές μέθοδοι τείνουν να τις θεωρήσουν outliers και να
τις απορρίψουν. Τα στατιστικά κριτήρια πρέπει επομένως να αντιμετωπίζονται με
προσοχή, και όχι μηχανικά (“blackbox”)!
Page 13 of 58
14
Παράδειγμα
Μετρήσεις ενός μήκους έγιναν από τρείς ομάδες φοιτητών. Η μία ομάδα εκτίμησε το
μήκος 35.53m, η άλλη 35.56 και η τρίτη 36.54. Οι μετρήσεις είχαν τυπικό σφάλμα
0.01m. Ζητείται η καλύτερη εκτίμηση του μήκους.
Προφανώς η τρίτη ομάδα εμφανίζει πολύ μεγάλη διαφορά από την τεκμαιρόμενη
τιμή, και η εκτίμησή της οφείλεται σε χονδροειδές σφάλμα και γι’αυτό η μέτρηση δεν
λαμβάνεται υπ’ οψιν στην περαιτέρω επεξεργασία. Εναλλακτικά θα μπορούσε να
γίνει απλά διόρθωση του τεκμαιρόμενου σφάλματος (από 36.54 σε 35.54) αν υπήρχαν
ορισμένες κατάλληλες προϋποθέσεις ενδείξεις (πχ αν είχε γίνει μόνο 1 μέτρηση από
την τρίτη ομάδα, κλπ).
ΣΥΣΤΗΜΑΤΙΚΑ ΣΦΑΛΜΑΤΑ
Εννοια του συστηματικού σφάλματος
Τα Συστηματικά σφάλματα οφείλονται στην επίδραση κάποιου φυσικού παράγοντα
που διαφοροποιεί όλες ή κάποιες μετρήσεις από την «πραγματική τιμή»
ακολουθώντας κάποιο «μαθηματικό» συνήθως μοντέλο. Πχ. ένα μεταλλικό
αντικείμενο κοντά σε μια πυξίδα μετατοπίζει τη διεύθυνση του βορρά (παρ. το
μυθιστόρημα του Ιουλίου Βερν «Ο 15ετής πλοίαρχος»). Ενας κόμπος σε μια
μετροταινία παραμορφώνει επιλεκτικά κάποιες μετρήσεις.
Το βασικό χαρακτηριστικό των συστηματικών σφαλμάτων είναι ότι γενικά η μέση
τιμή τους δεν είναι 0, όπως συμβαίνει με τα τυχαία σφάλματα. Δηλαδή ο ΜΟ δεν
απαλείφει τα συστηματικά σφάλματα.
Page 14 of 58
15
Η αξιοπιστία (accuracy) εκφράζει την απόκλιση της μέσης τιμής από την
«πραγματική» τιμή μιας μεταβλητής. Είναι συχνά ανεξάρτητη από το πόσο
προσεκτικά έγιναν οι μετρήσεις, και από την υπολογισμένη διασπορά τους.
Είναι προφανές ότι μπορεί κάποιες μετρήσεις να έχουν μεγάλη ακρίβεια (μικρό
τυπικό σφάλμα) αλλά χαμηλή αξιοπιστία, δηλαδή να περιέχουν συστηματικά
σφάλματα με αποτέλεσμα η μέση τιμή τους να διαφέρει από την πραγματική. Πχ.
προσεκτικές μετρήσεις με μεταλλική μετροταινία που έχει διασταλεί λόγω έκθεσης
στον ήλιο (θερμικής διαστολής) θα δώσουν μικρό τυπικό σφάλμα αλλά θα διαφέρουν
από την πραγματική τιμή.
Χαρακτηριστικά φαίνεται αυτό στο επόμενο Σχήμα, όπου εμφανίζονται δύο σύνολα
μετρήσεων (1) και (2) με διαφορετικές κατανομές, διαφορετικές μέσες τιμές μ1, μ2
και διαφορετικά τυπικά σφάλματα, καθώς και η πραγματική τιμή Μ. Η μέτρηση (2)
με τη μικρότερη ακρίβεια είναι πλέον αξιόπιστη από τη μέτρηση (1)!
Page 15 of 58
16
μ1 Μ μ2
Δύο διαφορετικές κατανομές γύρω από την «αληθή τιμή» Μ. Η μέση τιμή της
κατανομής (2) προσεγγίζει περισσότερο την τιμή Μ, αλλά υποδηλώνει μεγαλύτερη
αξιοπιστία. Αντίθετα, η κατανομή (1) εμφανίζει μικρότερο τυπικο σφάλμα, άρα
μεγαλύτερη ακρίβεια. Οι διαφορές μ1-Μ, μ2-Μ υποδηλώνουν συστηματικά σφάλματα
Page 16 of 58
17
Page 17 of 58
18
Παράδειγμα
Εν όργανο total station παρέχει τυπική ακρίβεια σο=5mm ±2ppm στη μέτρηση μηκών.
Ποιό είναι το τυπικό σφάλμα σ της μέτρησης ενός μήκους 2km?
Λύση: Κατ’αρχήν τα δύο σφάλματα, απόλυτο και αναλογικό ανάγονται σε κοινές
μονάδες mm. Το αναλογικό σφάλμα ισούται με 2x10-6 x 2x106 mm.
Στη συνέχεια υπολογίζονται οι μεταβλητότητες (τετράγωνο κάθε σφάλματος) και
αθροίζονται. Τέλος, το τυπικό σφάλμα της μέτρησης μήκους 2km υπολογίζεται ως
ρίζα του αθροίσματος των δύο μεταβλητοτήτων από την παράσταση
σ=√(52mm2+ (2x10-6 x 2x106 mm)2)= √29 mm=5.4mm
Μονοδιάστατες μεταβλητές
Θεωρούμε μια τυχαία μεταβλητή x που χαρακτηρίζεται από τυπικό σφάλμα σ, ή
καλύτερα από μεταβλητότητα σ 2 . Όπως έχει αναφερθεί, όταν κάνουμε μια μέτρηση,
η τιμή τους θα περιέχεται στο διάστημα (x-k σ, x+ k σ) με πιθανότητα που εξαρτάται
από την τιμή του συντελεστή k:
k 1 2 3 4
Ρ 68% 95% 99% 99.9%
Τιμές του συντελεστή k για χαρακτηριστικά επίπεδα εμπιστοσύνης (σημαντικότητας). Η
τιμή k=1 αντιστοιχεί στο τυπικό σφάλμα.
Η σημασία αυτών των ορίων σφάλματος είναι ότι εάν πχ. φέρουμε μια παράλληλη
στον άξονα x σε απόσταση που αντιστοιχεί πχ στο επίπεδο σημαντικότητας 68%, θα
τμήσει την κωδωνοειδή καμπύλη σε δύο σημεία που ορίζουν απόσταση ±σ από την
μέση ή καλύτερη τιμή (εκτίμηση, μέσο όρο).
Η γεωμετρική αίσθηση των σφαλμάτων διαφέρει ανάλογα με τον τύπο του μεγέθους
που μετράμε. Για παράδειγμα, το σφάλμα στη μέτρησης της θερμοκρασίας είναι
σαφώς ένα μονόμετρο μέγεθος, σε άλλα όμως μεγέθη υπάρχει η ψευδάισθηση ότι δεν
είναι. Αυτό φαίνεται καθαρά σε γραμμικά και γωνιακά δεδομένα.
Τέμνοντας την καμπύλη κανονικής κατανομής με ευθεία παράλληλη στον άξονα x που
απέχει απ’ αυτόν συγκεκριμένη απόσταση και αντιστοιχεί σε συγκεκριμένο επίπεδο
εμπιστοσύνης ( 68% στην προκειμένη περίπτωση) ορίζεται ένα μήκος που αντιστοιχεί
στο διάστημα εμπιστοσύνης των μετρήσεων. Στην περίπτωση αυτή η ευθεία
αντιστοιχεί στο επίπεδο εμπιστοχύνης 68% και ορίζει ένα μήκος (-σ, +σ).
Page 18 of 58
19
Γραμμικά δεδομένα
Σε ένα οικοδομικό τετράγωνο που μπήκε στο σχέδιο πρόσφατα είναι σαφώς ορισμένο
ένα γωνιακό σημείο Α του τετραγώνου και η ρυμοτομική γραμμή και θέλουμε να
προσδιορίσουμε πάνω σ’αυτή το όριο Β οικοπέδου που το όριο αυτό βρίσκεται σε
απόσταση 42.00m από το σημείο αυτό. Αν κάνουμε τη μέτρηση με μέθοδο που
παρέχει για την απόσταση αυτή ακρίβεια 5cm, τότε το όριο Α είναι σταθερό και το
σημείο Β θα βρίσκεται στον καθορισμένο άξονα (στη ρυμοτομική γραμμή) σε ένα
διάστημα (41.95, 42.05) από το σημείο Α με πιθανότητα 68% (ή 1σ), όπως
εικονίζεται στο ακόλουθο Σχήμα.
Γωνιακά δεδομένα
Η πρόσοψη ενός οικοπέδου ΑΒ ΓΔ είναι γνωστή και προσδιορισμένη από δύο σημεία
Α,Β σημασμένα στο έδαφος. Θέλουμε να χαράξουμε την πλευρά ΑΓ που σχηματίζει
γωνία 80g με την ΑΒ χρησιμοποιώντας ταχύμετρο και μέθοδο που παρέχει τυπική
ακρίβεια 0.01g.
Ξεκινώντας από τη γνωστή διεύθυνση ΑΒ και κάνοντας τις κατάλληλες κινήσεις, η
διεύθυνση ΑΓ που θα προσδιοριστεί θα βρίσκεται μέσα σε μια γωνία που θα ορίζεται
από τις διευθύνσεις (79.99g, 80.01g) σε επίπεδο εμπιστοσύνης 68% (1-σ). Σχηματικά
εμφανίζεται πιο κάτω. Προσοχή, στην περίπτωση αυτή το σφάλμα είναι
μονοδιάστατο μέγεθος ακόμη και εάν εμφανίζεται ως δισδιάστατος χώρος.
Page 19 of 58
20
ΔΙΣΔΙΑΣΤΑΤΕΣ ΜΕΤΑΒΛΗΤΕΣ
Προσδιορισμός συντεταγμένων σημείου Μ με βάση τις αποστάσεις του από δύο σημεία
Α και Β γνωστών συντεταγμένων. Το σημείο Μ ορίζεται ως τομή δύο κύκλων, των
γεωμετρικών τόπων σημείων που απέχουν δοσμένες αποστάσεις από τα σημεία Α και Β.
Σε όλες αυτές τις περιπτώσεις ο προσδιορισμός της τομής των δύο γεωμετρικών
τόπων είναι δυνατός εάν πληρούνται ορισμένα γεωμετρικά κριτήρια (πχ. να τέμνονται
οι κύκλοι ή οι ευθείες), και είναι δυνατός ακόμη και αν υπάρχουν σφάλματα στις
μετρήσεις. Εάν οι δύο γεωμετρικοί τόποι τέμνονται σχεδόν κάθετα, η τομή τους είναι
σαφής, εάν τέμνονται υπό μικρή γωνία προφανώς θα είναι ασαφής, και θα τείνει να
μην υπάρχει λύση αν οι δύο τόποι αντιστοιχούν σε παράλληλες γραμμές. Είναι
προφανώς ότι στην πρώτη περίπτωση τα σφάλματα στον προσδιορισμό της θέσης του
σημείου τομής (δηλαδή οι ελλείψεις σφάλματος) θα είναι μικρά, ενώ στη δεύτερη
μεγάλα.
Page 20 of 58
21
Ενδεικτικά όρια αβεβαιότητας της θέσης ενός σημείου (ελλείψεις σφάλματος) που
ορίζεται ως τομή δύο κύκλων που αντιπροσωπεύουν τους (γεωμετρικούς τόπους
σημείων που απέχουν γνωστή απόσταση από δύο άλλα σημεία. Η γωνία τομής των δύο
γεωμετρικών τόπων ορίζει και το όριο αβεβαιότητας της θέσης του σημείου.
Εστω ότι προσδιορίζουμε τη θέση ενός σημείου Μ ως τομή δύο διευθύνσεων από τα
σημεία Α και Β (τομή δύο γεωμετρικών τόπων, δύο ευθειών,). Η χάραξη των
διευθύνσεων γίνεται με όργανο που παρέχει τυπική ακρίβεια σ στις διευθύνσεις.
Σύμφωνα με όσα έχουν αναφερθεί στην προηγούμενη παράγραφο, η διεύθυνση ΑΜ
και προφανώς το σημείο Μ θα βρίσκονται μέσα σε μία γωνία που το εύρος της
ορίζεται από το τυπικό σφάλμα μέτρησης (χάραξης) των γωνιών σ. Το ίδιο θα
συμβαίνει και για τη διεύθυνση ΒΜ και το σημείο Μ. Προφανώς η καλύτερη
εκτίμηση της θέσης του Μ αντιστοιχεί στο σημείο τομής των δύο διευθύνσεων αλλά
ο χώρος αβεβαιότητάς του θα είναι η κοινή τομή των χώρων αβεβαιότητας των δύο
χαράξεων, δηλαδή το τετράπλευρο που εικονίζεται στο ακόλουθο Σχήμα.
Η θεωρητική προσέγγιση του προβλήματος αποδεικνύει ότι η πιθανότητα το σημείο
Μ να βρίσκεται πολύ κοντά στις κορυφές του σχήματος είναι μικρότερη απ΄ότι
γενικά στο κέντρο του, και ότι για δοσμένο επίπεδο εμπιστοσύνης το σημείο Μ έχει
ίση πιθανότητα να βρίσκεται στην έλλειψη που εγγράφεται στο τετράπλευρο που
σχηματίζεται και ονομάζεται έλλειψη σφάλματος. Αντίστοιχη έλλειψη σφάλματος
δημιουργείται και από μετρήσεις αποστάσεων μεταξύ Μ και Α, Β ή από συνδυασμό
γωνιομετρήσεων και πλευρομετρήσεων.
Η γωνία τομής των δύο γεωμετρικών τόπων προφανώς επιρρεάζει τη μορφή και τις
διαστάσεις της έλλειψης σφάλματος.
Page 21 of 58
22
ΕΛΛΕΙΨΗ ΣΦΑΛΜΑΤΟΣ
Σε μονοδιάστατες μεταβλητές η καμπύλη της κανονικής κατανομής είναι
δισδιάστατη, αλλά ο χώρος (πεδίο) αβεβαιότητας της μεταβλητής είναι μονοδιάστατο
μέγεθος: το διάστημα εμπιστοσύνης (ή το «γωνιακό-διάστημα εμπιστοσύνης» σε
γωνιακά μεγέθη,). Αντίστοιχα, σε δισδιάστατες μεταβλητές ο χώρος αβεβαιότητας
μιάς μεταβλητής είναι δισ-διάστατος χώρος, η έλλειψη σφάλματος και προκύπτει ως
τομή ενός τρισ-διάστατου κωδωνοειδούς από επίπεδο συγκεκριμένης πιθανότητας σε
συγκεκριμένη απόσταση από το επίπεδο βάσης.
Page 22 of 58
23
Το κέντρο της έλλειψης είναι οι συντεταγμένες του σημείου που προκύπτουν από τις
μέσες τιμές και τα γεωμτερικά χαρακτηριστικά της προσδιορίζονται από τον
αντίστοιχο Πίνακα Μεταβλητότητας-Συμμεταβλητότητας. Για σημείο Ν με
συντεταγμένες x, y, ο Πίνακας αυτός ορίζεται ως
⎡ σ 2xx σ xy ⎤
ΣN = ⎢ ⎥
⎢⎣ σ xy σ 2yyn ⎥⎦
Τα βασικά χαρακτηριστικά της έλλειψης σφάλματος είναι
1) το κέντρο της έλλειψης ορίζεται ως το σημείο της καλύτερης εκτίμησης της
συντεταγμένης του εξεταζόμενου σημείου
2) οι άξονες και ο προσανατολισμός της έλλειψης προκύπτουν από τον Πίνακα
Μεταβλητότητας-Συμμεταβλητότητας
3) ανάλογα με το ζητούμενο επίπεδο εμπιστοσύνης, οι ημι-άξονες της έλλειψης
πολλαπλασιάζονται με τον κατάλληλο συντελεστή.
4) Η επιπλάτυνση της έλλειψης (ο λόγος της διαφοράς του μήκους των αξόνων
προς το μήκος του κύριου άξονα) εξαρτάται από τη συμμεταβλητότητα. Για
μηδενική συμμεταβλητότητα η έλλειψη εκφυλίζεται σε κύκλο.
Οι ημιάξονες α1, α2 της έλλειψης σφάλματος προκύπτουν από τις τετραγωνικές ρίζες
των ιδιοτιμών λ1, λ2 του Πίνακα ΣΝ, δηλαδή από τις λύσεις λ1, λ2 της εξίσωσης
⎡ σ 2xx -λ σ xy ⎤
⎢ ⎥=0
⎢⎣ σ xy σ yyn − λ ⎥⎦
2
ή λ 2 − (σ χ2 + σ y2 )λ + (σ χ2 .σ y2 − σ χ2 y ) = 0
και η γωνία θ από τον τύπο
σ xy
tan 2θ = n
σ x 2 −σ y
n n
2
Η γωνία θ ορίζεται από τον άξονα x και τον μεγάλο ημι-άξονα της έλλειψης, και το
τεταρτημόριο της καθορίζεται από το γεγονός ότι το πρόσημο του sin2θ είναι ίδιο με
του αριθμητή (σχψ) και του cos2θ ίδιο με του παρονομαστή του κλάσματος.
Page 23 of 58
24
Επειδή η έλλειψη σφάλματος προκύπτει από τις ιδιοτιμές ενός Πίνακα, δεν
μεταβάλλεται σε διαστάσεις αν μεταβληθεί το σύστημα αναφοράς κλπ.
Οι διαστάσεις της όμως μεταβάλλονται ανάλογα με το επίπεδο εμπιστοσύνης. Όπως
αναφέρθηκε πιο πάνω, ή έλλειψη σφάλματος αντιστοιχεί στην τομή της
κωδωνοειδούς καμπύλης της μονοδιάστατης κατανομής από επίπεδο παράλληλο στον
άξονα χ, η τομή του κωδωνοειδούς δισδιάστατης κανονικής κατανομής από επίπεδο
που αντιστοιχεί σε επίπεδο συγκεκριμένης πιθανότητας είναι έλλειψη. Ανάλογα με
το επίπεδο εμπιστοσύνης δημιουργούνται τομές/ελλείψεις διαφόρου μεγέθους, με
ημιάξονες που προσδιορίζονται από τις σχέσεις
α1= k*√λ1 α2 = k*√λ2
όπου k* συντελεστής αναγωγής σε διαφορετικά επιλεγμένα επίπεδα σημαντικότητας.
Ο συντελεστής αυτός είναι διαφορετικός απ’ ότι στις περιπτώσεις μονοδιάστατης
μεταβλητής και για τιμή k*=1 αντιστοιχεί στην τυπική έλλειψη σφάλματος σε
αναλογία με το τυπικό σφάλμα.
Page 24 of 58
25
Όπως αναφέρθηκε όλες οι μετρήσεις και εκτιμήσεις έχουν πιθανοτικό χαρακτήρα, και
συνήθως βασίζονται στα τυχαία σφάλματα και αγνοούν τα συστηματικά σφάλματα
γιατί σε όλες σχεδόν τις επιστήμες (με εξαίρεση τις ‘γεωμετρικές’, όπως η Γεωδαισία)
αυτά δεν είναι δυνατόν να εκτιμηθούν. Αρα, οι όποιες εκτιμήσεις των σφαλμάτων
πρακτικά υποτιμούν τα πραγματικά σφάλματα και τις αβεβαιότητες των μετρήσεων.
Οπως έχει αναλυθεί, η τεχνική που εφαρμόζεται είναι απλή:
Για μια μεταβλητή που μπορεί να είναι συνάρτηση άλλων μεταβλητών υπολογίζεται
η μέση τιμή μ και η τυπική απόκλισή της σ και μελετάται η καμπύλη Gauss η οποία
δημιουργείται και χαρακτηρίζει τις στατιστικές ιδιότητες της συγκεκριμένης
μεταβλητής (φυσικά, αντίστοιχη προσέγγιση μπορεί να υπάρξει και με άλλες
κατανομές που δεν εξετάζουμε).
Σε επίπεδο σημαντικότητας πχ. 68% αυτό σημαίνει ότι το διάστημα αβεβαιότητας
περικλείεται από τα σημεία που το επίπεδο αυτό τέμνει την αντίστοιχη καμπύλη.
Επίσης, μπορεί να μη μας ενδιαφέρει γενικά η στατιστική σημαντικότητα ενός
αποτελέσματος (δηλ. μια διπλή ανισότητα), αλλά μόνο αν η τιμή δ που έχουμε
εκτιμήσει είναι μεγαλύτερη ή μικρότερη από κάποιο όριο. Στην περίπτωση αυτή
εξετάζουμε ποια «εμβαδά» βρίσκονται δεξιά ή αριστερά της τιμής δ. Τα εμβαδά
αυτά εκφράζουν ποστοστό της μονάδας που αντιστοιχεί στο συνολικό εμβαδό
μεταξύ της κωδωνοειδούς καμπύλης και του οριζόντιου άξονα. Στο Σχ. 5.1 η τιμή δ
έχει πιθανότητα ~97.5% να είναι >-2σ. Εάν δ=0, τότε η πιθανότητα να είναι
μεγαλύτερη του 0 είναι 50%, εάν δ=-σ, τότε η πιθανότητα να είναι δ>σ είναι
≈(2.5+14)%.
Παράδειγμα
Εάν υπολογίστηκε ότι απαιτείται να γίνει διόρθωση -25±20mm σε μια μέτρηση
ακριβείας ενός κάποιου μήκους, το μόνο που μπορούμε να πούμε είναι ότι είμαστε
68% σίγουροι ότι η διόρθωση αυτή είναι σωστή ή ότι έχει έννοια (Σχ. α). Αν η
αντίστοιχη τιμή είναι -45±20mm τότε είμαστε 98% σίγουροι για τη διόρθωση (Σχ. β).
Αν η αντίστοιχη τιμή είναι -25±40mm, τότε η διόρθωση δεν έχει έννοια (Σχ..γ). Η
αξία της εκτίμησης της στατιστικής σημαντικότητας είναι ιδιαίτερα εμφανής όταν το
τυπικό σφάλμα υπερβαίνει αρκετές φορές την εκτίμηση μιάς τιμής. Αυτό είναι
ιδιαίτερα εμφανές σε μεταβολές τιμών μεταβλητών.
Page 25 of 58
26
Παράδειγμα 1
Η μέτρηση 438.57±5.46 δείχνει ότι στατιστικά σημαντικό μπορεί να είναι μόνο το
πρώτο ακέραιο ψηφίο, οπότε η μέτρηση πρέπει να στρογγυλευτεί ως 438.5±5.5 ή
439±5.
Παράδειγμα 2
Οι μετρήσεις 15, 100, 27 έχουν μεγάλη διασπορά, γι’αυτό και η μέση τιμή τους
πρέπει να εμφανιστεί στρογγυλεμένη ως 47±46. Τυχόν εμφάνιση μέσου όρου 47.333
είναι λάθος, γιατί δίνει την εντύπωση ότι το τυπικό σφάλμα είναι κλάσμα του μέτρου
δηλ. πολλές τάξεις μικρότερο από το πραγματικό.
Page 26 of 58
27
Παράδειγμα 3
Ένα συνηθισμένο χαρακτηριστικό λάθος: “Για την κατασκευή ενός σπιτιού
απαιτούνται εκσκαφές 350.3856m3”. Τα πολλά δεκαδικά προφανώς δεν έχουν καμμία
σημασία σε χωματουργικά έργα.
Page 27 of 58
28
⎝ ∂x ⎠ ⎝ ∂y ⎠
f
όπου σx, σy, … είναι τα σφάλματα των μεταβλητών x,y, .. Η εφαρμογή του Νόμου
Μετάδοσης Σφαλμάτων και εκτίμησης σφάλματος μιας μεταβλητής στην απλή του
μορφή (ασυσχέτιστα δεδομένα) γίνεται με βάση μια τυποποιημένη διαδικασία με τα
ακόλουθα τέσσερα βήματα
ΒΗΜΑ 2: εξετάζουμε αν οι μετρήσεις μας είναι ασυσχέτιστες (αν δεν είναι, ΔΕΝ
ισχύει ο ΝΜΣ στην απλή του μορφή, αλλά στη γενική που εξετάζεται στη συνέχεια)
ΒΗΜΑ 4: κάνουμε τις πράξεις υπολογίζοντας πρώτα τις μερικές παραγώγους και
τέλος το σφάλμα της μεταβλητής προσέχοντας να έχουμε ομογενείς παραστάσεις ως
προς τις μονάδες μονάδες.
Παράδειγμα 1
Ένα μήκος 45.5μ μετρήθηκε με δύο διαδοχικές μετρήσεις με μετροταινία μήκους
30μ. Η πρώτη μέτρηση αντιστοιχούσε σε ολόκληρη τη μετροταινία, 30μ, η δεύτερη
έδειξε 15.5μ. Κάθε μέτρηση είχε ακρίβεια σο=5cm. Οι μετρήσεις θεωρούνται
ασυσχέτιστες . Ζητείται η ακρίβεια του συνολικού μήκους.
Η λύση βασίζεται στην τεχνική των 4 βημάτων.
ΒΗΜΑ 1: Δημιουργούμε τη συνάρτηση f=ℓ1+ ℓ2. Η καλύτερη εκτίμηση του
ζητούμενου μεγέθους είναι 30.0+15.5=45.5m
ΒΗΜΑ 2: Οι δύο μετρήσεις θεωρούνται ασυσχέτιστες, άρα ισχύει ο ΝΜΣ στην απλή
μορφή.
ΒΗΜΑ 3: Οι δύο μετρήσεις έχουν κοινό σφάλμα σℓ=±5cm
ΒΗΜΑ 4: Υπολογίζουμε τις μερικές παραγώγους της f ως προς ℓ1, ℓ2 και κάνουμε
τις πράξεις. Τελικά προκύπτει ότι σf = 2√5 cm. Το συνολικό μήκος έχει τιμή
45.50±0.07m.
Page 28 of 58
29
Παράδειγμα 2
Θεωρούμε τη μεταβλητή f=Σxi, i=1, 2, .. ν όπου xi ασυσχέτιστες μεταβλητές ίσης
ακρίβειας σο. Ζητείται το σφάλμα της f.
Λύση: Πρόκειται για γενίκευση της προηγούμενης περίπτωσης για ν μετρήσεις ίσης
ακριβείας. Εφαρμόζεται όπως ανωτέρω η τεχνική των 4 βημάτων, δημιουργείται η
συνάρτηση f=Σxi και τελικά υπολογίζεται ο τύπος
σf =σο√ν
Παράδειγμα 3
Η πρόσοψη ορθογωνίου οικοπέδου μετρήθηκε με μετροταινία που παρέχει ακρίβεια
σα=2cm και βρέθηκε α=25.00m, και το βάθος του με ταχυμετρία που παρέχει
ακρίβεια σβ=10cm και βρέθηκε β=80.00m. Να υπολογιστεί το Εμβαδόν Ε του
οικοπέδου (πρέπει υποχρεωτικά να εμφανιστεί και η ακρίβειά του).
Παράδειγμα 4
Σε κυκλική δεξαμενή (σιλό) μετρήθηκε η περίμετρος Π=62.8±0.19m. Να υπολογιστεί
το μήκος της ακτίνας R της δεξαμενής.
Page 29 of 58
30
Μέχρι τώρα έχουμε ασχοληθεί με την περίπτωση της εκτίμησης του σφάλματος μιας
μονοδιάστατης μεταβλητής y που είναι συνάρτηση κάποιων άλλων μεταβλητών xi
y=f(x1, x2, ..) με την προϋπόθεση ότι οι μεταβλητές x1, x2, .... είναι ασυσχέτιστες,
δηλαδή ότι η συμμεταβλητότητα μεταξύ των xi είναι 0.
Αυτό σημαίνει ότι οι μεταβλητές xi μπορεί να θεωρηθούν συνιστώσες ενός
διανύσματος x διαστάσεως ν
⎡σ 12 0 0⎤
⎢ ⎥
⎢ 0 σ22
0⎥
Σx =
⎢ ⎥
⎢ ⎥
⎣⎢ 0 0 σν2 ⎦⎥
όπου μόνο τα διαγώνια στοιχεία του Πίνακα τα οποία εκφράζουν τις αντίστοιχες
μεταβλητότητες είναι μη μηδενικά. Στην περίπτωση αυτή ισχύει ο γνωστός πλέον
τύπος του ΝΜΣ
2 2
⎛ ∂f ⎞ 2 ⎛ ∂f ⎞ 2
σ =⎜
2
y ⎟ σ x1 + ⎜ ⎟ σ x2 + ...
⎝ ∂x1 ⎠ ⎝ ∂x2 ⎠
Προφανώς αυτός ο τύπος είναι μια μερική περίπτωση. Για το λόγο αυτό στην εξ.
4.12 χρησιμοποιούμε για απλότητα ένα δείκτη στα στοιχεία του Πίνακα Σx ενώ
κανονικά θα έπρεπε να χρησιμοποιούμε δύο (δηλ. σ11 αντί για σ1).
Πολύ συχνά οι συμμεταβλητότητες στον Πίνακα Σx δεν είναι μηδενικές, οπότε
αντιμετωπίζουμε δύο περιπτώσεις
(που εκφράζει πχ τις καρτεσιανές συντεταγμένες ενός σημείου) και της οποίας οι
στατιστικές ιδιότητες (σφάλματα, αβεβαιότητες, κλπ) περιγράφονται από έναν
Πίνακα Μεταβλητότητας-Συμμεταβλητότητας Σxx
Page 30 of 58
31
⎡σ 112 σ 12 σ 1ν ⎤
⎢ ⎥
⎢ σ 22
2
⎥
Σ xx =
⎢ ⎥
⎢ ⎥
⎣⎢ σνν2 ⎦⎥
όπου σ ij2 η μεταβλητότητα (i=j, δηλ. διαγώνιο στοιχείο) και σ ij η συμμεταβλητότητα
(i≠j, δηλ. μη διαγώνιο στοιχείο). Εάν οι συμμεταβλητότητες σ ij δεν είναι μηδενικές,
προφανώς οι μεταβλητές x1, x2, ... δεν είναι ασυσχέτιστες.
Θεωρούμε μια άλλη μεταβλητή y=[y1, y2, ..yν]T που ορίζεται από τη γραμμική σχέση
y=Ax+B
όπου Α, Β, πίνακες σταθερών όρων, κατάλληλων διαστάσεων.
Στην περίπτωση αυτή ο Πίνακας Μεταβλητότητας-Συμμεταβλητότητας Σyy της
μεταβλητής y δίνεται από τη σχέση
Σyy =A Σxx AT
Παράδειγμα 1
Εστω ότι οι μεταβλητές x, y συνδέονται με τις σχέσεις
y1=α x1 + β, y2=αx2 + β,
που με μορφή Πίνακα γράφονται
y=Ax+B
⎡α 0 ⎤ ⎡β ⎤ ⎡σ σ 12 ⎤
όπου Α= ⎢ ⎥ Β= ⎢ ⎥ και επιπλέον δίνεται Σxx= ⎢ 11 ⎥
⎣0 α ⎦ ⎣β ⎦ ⎣σ 12 σ 22 ⎦
Page 31 of 58
32
Παράδειγμα 1
Εστω ότι οι μεταβλητές x, y συνδέονται με τη μη γραμμική σχέση
y1 = x1 + 2 x2 + 3x32 , y2 = 7 − 2 x22 + 5 x3
και οι στατιστικές ιδιότητες του x προσδιορίζονται από τον Πίνακα
⎡σ x21x1 σ x1 x2 σ x1x3 ⎤
⎢ ⎥
Σ xx = ⎢ σ x22 x2 σ x2 x3 ⎥
⎢ ⎥
⎢⎣ σ x23 x3 ⎥⎦
Ο Πίνακας Μεταβλητότητας-Συμμεταβλητότητας Σyy της y υπολογίζεται ως εξής:
Πρώτα υπολογίζεται η Ιακωβιανή της y ως προς x.
Στη συνέχεια αντικαθιστούμε τους γνωστούς πλέον Πίνακες στη σχέση, η οποία
παίρνει τη μορφή
⎡σ x21x1 σx x σx x ⎤ ⎡ 1 0 ⎤
⎡1 6 x3 ⎤ ⎢ ⎥
1 2 1 3
2
Σ yy = ⎢ ⋅⎢ σ 2
σ x x ⎥ ⋅ ⎢⎢ 2 −4 x2 ⎥⎥
⎣ 0 −4 x2 5 ⎥⎦ ⎢ x2 x2 2 3
⎥ ⎢6 x
⎢⎣ σ 2
x3 x3 ⎥⎦ ⎣ 3 5 ⎥⎦
Παράδειγμα 2
Mετά από συνόρθωση ενός δικτύου έχει υπολογιστεί ο Πίνακας Γ των
συντεταγμένων τριών σημείων 1, 2, 3, καθώς και ο αντίστοιχος Πίνακας ΣΓ
διαστάσεων 6x6, όπου στη διαγώνιο είναι τα στοιχεία σχ12, σψ12, σχ22, σψ22, σχ32, σψ32.
Ζητείται το τυπικό σφάλμα του μήκους των σημείων 1, 2.
Page 32 of 58
33
Λύση: Προφανώς από τους Πίνακες αυτούς μας ενδιαφέρει μόνο το τμήμα τους που
αφορά τα σημεία 1 και 2, και τα υπόλοιπα στοιχεία τα αγνοούμε. Στην περίπτωση
αυτή από τους Πίνακες Γ και ΣΓ δημιουργούμε δύο νέους Πίνακες Β και ΣΒ, όπου
Β=[χ1,ψ1,χ2,ψ2]T
και περιέχει μόνο τις συντεταγμένες των δύο σημείων 1 και 2, που μας ενδιαφέρουν,
καθώς και ένα Πίνακα ΣΒ διαστάσεων 4x4 με διαγώνια στοιχεία σχ12, σψ12, σχ22, σψ22,
καθώς και τα αντίστοιχα μη διαγώνια (συμμεταβλητότητες) που γενικά είναι μη
μηδενικά.
Δημιουργούμε τη μη γραμμική συνάρτηση Ζ που εκφράζει το ζητούμενο μήκος
Ζ=√[( χ1-χ2)2+(ψ1-ψ2)2].
Η μεταβλητότητα Σz της μονοδιάστατης μεταβλητής Ζ περιγράφεται από πίνακα 1x1
και υπολογίζεται από την εξ. 4.16 για μη γραμμικές συναρτήσεις,
Σz =JzB ΣB JzBT
Page 33 of 58
34
Εστω ότι έχουμε ν μετρήσεις ενός μεγέθους και ότι κάθε μέτρηση έχει τυπικό σφάλμα
σο. Προφανώς η μέση τιμή (απλός ΜΟ) μ ή x δίνεται από τον τύπο
x + x2 + ... + xv
x= 1
ν
Θέλουμε να υπολογίσουμε το τυπικό σφάλμα της. Εφαρμόζουμε τη μεθοδολογία του
ΝΜΣ σε απλή μορφή:
Παράδειγμα
Ενα μήκος ℓ μετρήθηκε 6 φορές με το ίδιο όργανο και τον ίδιο παρατηρητή και
βρέθηκαν τα ακόλουθα αποτελέσματα σε m :
ℓ1 = 2.305 ℓ2 = 2.317 ℓ3 = 2.326 ℓ4 = 2.320 ℓ5 = 2.314 ℓ6 = 2.308
Ζητείται να βρεθεί η πιθανότερη τιμή μ του μήκους αυτού, καθώς και το αντίστοιχο
μέσο τετραγωνικό σφάλμα της.
Λύση: Στον Πίνακα μεταφέρουμε τις n=6 μετρήσεις, και υπολογίζουμε τη μέση τιμή,
τις αποκλίσεις κάθε μέτρησης από τη μέση τιμή και τα αντίστοιχα τετράγωνα τους.
ℓi υi = μ - ℓi υiυi
(m) (mm) (mm2)
2,305 10 100
2,317 -2 4
2,326 -11 121
2,320 -5 25
2,314 1 1
2,308 7 49
Σℓi=[ℓ]= [13,890] 300
Παράδειγμα διαδικασίας υπολογισμού τυπικής απόκλισης
Page 34 of 58
35
300
σο =
[υυ ]
= 7.8mm =
n −1 5
Το τυπικό σφάλμα (μ.τ.σ.) της πιθανότερης τιμής (καλύτερης τιμής ή του μέσου όρου
των μετρήσεων) προκύπτει :
σο [υυ ] 7.8
σ μ
=
n
=
n(n − 1)
=
6
= 3.2mm
x=
∑p x i i
∑p i
Η τιμή αυτή, όπως έχει αναλυθεί στην παραγρ. 2.8 αποτελεί τον Ανηγμένο Μέσο
Ορο (ΑΜΟ) των μετρήσεων και οι τιμές pi που αποτελούν τις συχνότητες εμφάνισης
μιας τιμής σε ένα σύνολο μετρήσεων ονομάζονται βάρη και υποδηλώνουν πόσο
σημαντική είναι μία μέτρηση στη διαμόρφωση του μέσου όρου. Είναι προφανές ότι
όλες οι διαθέσιμες μετρήσεις (εκτός από εκείνες για τις οποίες υπάρχει σαφής ένδειξη
για χονδροειδή σφάλματα και τις οποίες αποκλείουμε) συμμετέχουν στη διαμόρφωση
του μέσου όρου, και γι’ αυτό όλες πρέπει λαμβάνονται υπ’ όψη στον υπολογισμό του.
Page 35 of 58
36
ΒΗΜΑ 4 Εφαρμόζουμε τον τύπο μετάδοσης στη συνάρτηση μ. Για κάθε μεταβλητή
η μερική παράγωγος θα είναι pi/Σpi και το σφάλμα σi. Οπότε
ν ν
1 pi2σ ο2 1 σ ο2
σ μ = ∑ pi σ ι /(∑ pi ) =
2 2 2
∑ p = ( p)2 σ ο ∑ p = p
2
i =1 i =1 ( ∑ p )2 i ∑ ∑
Τελικά προκύπτει προκύπτει ότι
σμ2=σο2/ Σpi
Παράδειγμα
Μετρήθηκαν οι υψομετρικές διαφορές hi σημείου Ρ από έξη σημεία γνωστών
υψομέτρων Ηi (απαλλαγμένων από σφάλματα ή με αμελητέα σφάλματα). Η ακρίβεια
κάθε μέτρησης είναι αντίστροφη προς το μήκος της χωροστάθμισης και δίνεται με τη
μορφή βαρών pi. Να προσδιοριστεί το υψόμετρο Hp του σημείου Ρ.
Λύση
Θέτουμε : ℓ i = Hi + hi, και σχηματίζουμε τον πίνακα:
i ℓi pi pi ℓ i υi υiυi pi υiυi
(m) (m) (cm) (cm2) (cm2)
1 728.91 248 180769.68 -9 81 20088
2 728.22 12 8738.64 60 3600 43200
3 729.05 30 21871.50 -23 529 15870
4 728.58 111 80872.38 24 576 63936
5 729.02 26 18954.52 -20 400 10400
6 728.84 30 21865.20 -2 4 120
Σ 457 333071.92 153614
HP =
[ pl] = 333071.92m = 728.82m
[ p] 457
piυiυi 153614
σ 0
=
n −1
=
5
= 175.3cm
Page 36 of 58
37
Το τυπικό σφάλμα της πιθανότερης τιμής του υψομέτρου του σημείου Ρ είναι:
σ = σ 0
=
175.3
= 8.2cm
ΗP
[ p] 457
Μερικές φορές ένα μέγεθος έχει μετρηθεί με μεθόδους που παρέχουν διαφορετική
ακρίβεια, πχ, x1 ±σ1 και x2 ±σ2. Πώς θα υπολογίσουμε τον αντίστοιχο ανηγμένο
μέσο όρο μ (ή x ) και την ακρίβεια του σμ?
Το πρόβλημα λύνεται αν θεωρήσουμε ότι οι εκτιμήσεις x1, x2 με διαφορετικά
σφάλματα (ακρίβειες σ1, σ2) αντιστοιχούν σε p1 φανταστικές μετρήσεις μιας
μεταβλητής που έδωσαν τιμή x1 και σε p2 άλλες φανταστικές μετρήσεις της ίδιας
μεταβλητής που έδωσαν τιμή x2.
Προφανώς οι φανταστικές μετρήσεις έχουν κοινό άγνωστο σφάλμα μονάδας σο και
βάσε της 4.6 ισχύει
σ12=σο2/p1 και σ12=σο2/p2
Υποθέτοντας κατ’ αρχήν σο=1 (μοναδιαίο μέγεθος αλλά όχι αδιάστατο) προκύπτει
p1=1/σ12, p2=1/σ22
που ορίζουν τον φανταστικό αριθμό των μετρήσεων των δύο συνόλων από τις οποίες
προέκυψαν οι τιμές x1 και x2. Υπ όψιν ότι οι αριθμοί αυτοί δεν είναι γενικά
ακέραιοι.
Εχουμε αναχθεί επομένως στην προηγούμενη περίπτωση, με δύο ενότητες μετρήσεων
όπου
η τιμή x1 καταγράφηκε p1 φορές
η τιμή x2 καταγράφηκε p2 φορές
Επομένως, με βάση την εξ. 4.8
μ =(x1p1+x2p2)/(p1+p2)
Προφανώς o άνω τύπος μπορεί να γενικευτεί για ν μεταβλητές και αντιστοιχεί στον
τύπο του γενικευμένου ή ανηγμένου μέσου όρου που υπολογίστηκε με βάση την
εξίσωση
μ= x =
∑ pi xi
∑ pi
όπου τα βάρη προκύπτουν από τα γνωστά σφάλματα κάθε μεταβλητής. Επειδή ο άνω
τύπος εκφράζει λόγο των βαρών pi, η αυθαίρετη θεώρηση μοναδιαίου σφάλματος σο2
δεν έχει καμμία επίπτωση στο τελικό αποτέλεσμα.
Για την εκτίμηση του σφάλματος του γενικευμένου μέσου όρου εφαρμόζουμε κατά
τα γνωστά το ΝΜΣ με τα 4 βήματα για ασυσχέτιστες μεταβλητές xi με γνωστά
σφάλματα σi στη σχέση 4.8 όπου ο συντελεστής κάθε μεταβλητής xi θεωρείται
σταθερή (γνωστή) παράμετρος pi/Σpi και προκύπτει ότι
Page 37 of 58
38
ν
σ μ = ∑ pi2σ ι2 /( ∑ pi )2
2
i =1
Παράδειγμα
Το υψόμετρο του σημείου Μ υπολογίστηκε με δύο διαφορετικές μεθόδους
18.05±0.05m και 18.10±0.10m. Ποια είναι η πιο πιθανή τιμή του υψομέτρου?
Λύση: Από τις δύο τυπικές αποκλίσεις 0.05 και 0.10m και θεωρώντας κατ’ αρχήν
σο2=1 με βάση τους τύπους
p1=1/σ12, p2=1/σ22
υπολογίζουμε τα αντίστοιχα βάρη (προσωρινές τιμές)
p1=1/(0.05)2= 1002/52 και p2=1/(0.10)2 =1002/102 .
Θέτοντας αυθαίρετα βάρος 1 στη μέτρηση με το μεγαλύτερο σφάλμα, σύμφωνα με
όσα ειπώθηκαν προηγουμένως, εύκολα προκύπτει ότι p1/p2= 4/1. Αρα τα βάρη που
θεωρούμε για ευκολία είναι p2=1, p1=4.
Με βάση την εξ. 4.8, μ=(4x18.05+1x18.10)/(4+1)m=18.06m Στη συνέχεια
εφαρμόζουμε το ΝΜΣ στην εξίσωση αυτή γνωρίζοντας τα σφάλματα σ1 και σ2.
Οπότε προκύπτει σμ2=(4/(4+1))2σ12+(1/(4+1)) 2σ22
Πρακτικές επισημάνσεις
Ορισμένες πρακτικές επισημάνσεις μπορούν να γίνουν
Οι εκτιμήσεις των τιμών των ανηγμένων μέσων όρων (ΑΜΟ) και των σφαλμάτων
τους γίνεται εναλλακτικά και με τη Μέθοδο Ελαχίστων Τετραγώνων.
Πρώτον, ο έλεγχος τυχόν λαθών στον υπολογισμό των βαρών γίνεται εύκολα από το
γεγονός ότι μεγαλύτερα βάρη αντιστοιχούν σε μικρότερα τυπικά σφάλματα.
Δεύτερον, επειδή ο τύπος σφάλματος με βάρη περιέχει λόγους βαρών, συνιστάται να
δίνεται αυθαίρετα βάρος 1 σε μία μέτρηση pk και τα βάρη κάθε άλλης pi να
εκφράζονται ως λόγος pi/pk ώστε να προκύπτουν βάρη ακέραιες τιμές ή μικρά
νούμερα. Είναι επίσης από πρακτική άποψη σκόπιμο να χρησιμοποιούνται ως βάρη
τα ελάχιστα κοινά πολλαπλάσια των βαρών όπου είναι δυνατόν για να οδηγούμαστε
σε εύκολα κατανοητές και ελεγχόμενες λύσεις
Τρίτον, εάν ένα βάρος διαφέρει περισσότερο από μία τάξη μεγέθους των άλλων, η
αντίστοιχη τιμή μπορεί να απαλειφθεί γιατί ελάχιστα επιρρεάζει το ΜΟ , Τέταρτον,
όπως θα δειχτεί σε επόμενη παράγραφο, όταν υπάρχει μία μόνο άγνωστη μεταβλητή
και πολλαπλές (redundant), περισσότερες από τις αναγκαίες μετρήσεις, τότε
χρησιμοποιούμε την τεχνική του ανηγμένου μέσου όρου. Όταν οι άγνωστες
μεταβλητές είναι δύο ή περισσότερες, εφαρμόζουμε την τεχνική της συνόρθωσης (με
βάση τη Μέθοδο Ελαχίστων Τετραγώνων). Ο ανηγμένος μέσος όρος είναι μια
εκφυλισμένη μορφή της συνόρθωσης.
Page 38 of 58
39
ΜΕΤΑΒΟΛΕΣ ΜΕΤΑΒΛΗΤΩΝ
Παραδείγματα
Μία εκτίμηση ενός μεγέθους είναι ίση με μια άλλη εκτίμηση, πχ. -25±20mm και -
20±15mm?
Η πρόσοψη ενός οικοπέδου έχει «αυξηθεί» λόγω καταπάτησης του γειτονικού
οικοπέδου?
Το ποσοστό ενός κόμματος έχει μεταβληθεί στο χρονικό διάστημα που μεσολαβεί
ανάμεσα σε δύο δημοσκοπήσεις?
Παράδειγμα 1
Τη χρονική στιγμή 1 ένα μήκος (πχ η πρόσοψη ενός οικοπέδου) είχε υπολογιστεί
ℓ1±σ1 και τη στιγμή 2 ℓ2±σ2. Μπορεί να υποστηριχτεί ότι μετατοπίστηκαν τα όρια?
Η απάντηση προκύπτει από την εξέταση των στατιστικών ιδιοτήτων της νέας
μεταβλητής ℓ= ℓ1 -ℓ2 και του σφάλματός της σℓ που προκύπτει από τα σ1 και σ2 από
την εφαρμογή του Νόμου Μετάδοσης Σφαλμάτων για ασυσχέτιστες μεταβλητές.
Προφανώς η ακρίβεια (σφάλμα) του μήκους θα είναι σℓ=√(σ12+σ22).
Page 39 of 58
40
Παράδειγμα 2
Εστω ότι οι συντεταγμένες ενός σημείου Α τις χρονικές στιγμές 1 και 2 δίνονται από
τα διανύσματα x1 και x2, και τα στατιστικά τους χαρακτηριστικά από τους πίνακες
Σx1, ΣX2. Ζητούνται τα αντίστοιχα στοιχεία της μεταβολής των συντεταγμένων που
εκφράζουν πιθανή μετατόπιση του σημείου Α
Λύση: Προφανώς η σχέση Δx=x1-x2
που συνδέει τα δύο διανύσματα είναι γραμμική, οπότε σύμφωνα με τα προεκτεθέντα
Δx=x1-x2, ΣΔ= Σx1+ ΣX2.
Παράδειγμα 3
Από στατιστικές μελέτες υπολογίστηκε ότι οι μέσοι βαθμοί πτυχίου Χα, Χβ δύο ίδιων
Τμημάτων δύο διαφορετικών Πανεπιστημίων α, β έχουν τυπικές αποκλίσεις σα, σβ.
Να εξεταστεί αν υπάρχουν στατιστικά σημαντικές διαφοροποιήσεις στη
βαθμολόγηση των φοιτητών των δύο διαφορετικών Τμημάτων αν ο αντίστοιχος
συντελεστής συσχέτισης μεταξύ Χα, Χβ είναι α) ρ=0, β) ρ=0.85
Περίπτωση α
Οι δύο μεταβλητές είναι ασυσχέτισες και άρα εφαρμόζεται ο ΝΜΣ στην απλή του
μορφή. Ακολουθούμε τα 4 βήματα. Ορίζεται η μεταβλητή Υ=Χα-Χβ, κλπ και
καταλήγουμε ότι σY=√(σα2+σβ2).
Περίπτωση β
Οι δύο μεταβλητές Χα, Χβ δεν είναι προφανώς ασυσχέτιστες. Για να υπολογίσουμε
το μητρώο ΣΥ της μεταβλητής Υ=Χα-Χβ πρέπει να αναχθούμε σε μια γραμμική σχέση
πινάκων που συνδέει τις επί μέρους μεταβλητές .
Ορίζεται το μητρώο C= [1 -1] που συνδέει την άγνωστη μεταβλητή Υ με τις δύο
μεταβλητές Χα, Χβ
⎡ Χα ⎤
Υ = [1 −1] ⎢ ⎥ ή Υ=CX
⎣Χβ ⎦
Το επόμενο βήμα είναι να υπολογίσουμε το μητρώο Σx
⎡ σ 2 σ αβ ⎤
ΣΧ = ⎢ α 2 ⎥
⎢⎣σ αβ σ β ⎥⎦
από τα διαθέσιμα δεδομένα. Οι μεταβλητότητες είναι γνωστές, η δε
συμμεταβλητότητα των Χα, Χβ υπολογίζεται ως
ρ= σαβ /(σασβ)
Επειδή η σχέση Υ=CX είναι γραμμική, η μεταβλητότητα σ2Υ του Υ προκύπτει από τη
σχέση 4.3.1
σ2Υ= ΣΥ=CΣCT
και θα είναι προφανώς πίνακας διαστάσεων 1x1. Η ρίζα της τιμής αυτής θα μας
δώσει το τυπικό σφάλμα της μεταβλητής.
Page 40 of 58
41
Εχοντας πλέον γνωστά τη μέση τιμή της Υ και την τυπική της απόκλιση σY εκτιμούμε
σε τι επίπεδο σημαντικότητας η τιμή Υ διαφέρει από το 0.
Παράδειγμα1
Για τον έλεγχο της κλίσης ενός κτιρίου δίπλα σε μία μεγάλη εκσκαφή έγιναν
μετρήσεις των υψομέτρων δύο σημείων Α και Β σε δύο περιόδους 1 και 2, και
προέκυψαν τα υψόμετρα ΗΑ1, ΗΑ2, ΗΒ1, ΗΒ2 με αντίστοιχα σφάλματα. Εάν η
απόσταση μεταξύ Α, Β παρέμεινε σταθερή d, ποια είναι είναι η μεταβολή της κλίσης
g του τμήματος ΑΒ μεταξύ των περιόδων 1 και 2?
Page 41 of 58
42
Δg=δ/d = (δ2-δ1)/d
Ενας απλός τρόπος υπολογισμού του σφάλματος του Δg θα ήταν να υπολογίσει
κανείς σε πρώτο στάδιο με βάση τον ΝΜΣ το σφάλμα κάθε μίας από τις μεταβλητές
δ1, δ2 και σε δεύτερο, εφαρμόζοντας για δεύτερη φορά το ΝΜΣ στην εξίσωση
Δg=δ/d = (δ2-δ1)/d να υπολογίσει το σφάλμα της Δg.
Τα υψόμετρα είναι κοντά το ένα στο άλλο και θεωρούνται ίσης ακρίβειας και
ασυσχέτιστα. Εάν σΗ η ακρίβεια κάθε υψομέτρου, τότε σδ1=σδ2=σΗ√2
Παράδειγμα 2
Ζητείται να υπολογιστεί ο όγκος V±σV μιάς σφαίρας της οποίας η ακτίνα της R
υπολογίστηκε από μια εξίσωση R=F(x, y) όπου x, y είναι δύο μεταβλητές με
γνωστούς μέσους όρους και Πίνακα Σ (μεταβλητότητας- Συμμεταβλητότητας).
Λύση: Η λύση γίνεται σε δύο στάδιο. Σε πρώτο στάδιο υπολογίζουμε κατά τα
γνωστά με εφαρμογή του ΝΜΣ (σε απλή ή γενικευμένη μορφή, ανάλογα με τη μορφή
της εξίσωσης, γραμμική ή μη και την τιμή της συμμεταβλητότητας, μηδενική ή μη)
στην εξίσωση R=F(x, y) το R±σ R.
Σε δεύτερο στάδιο εφαρμόζουμε τον ΝΜΣ στην απλή μορφή στην εξίσωση V=4πR3/3
για τη μοναδική μεταβλητή R και υπολογίζουμε την τιμή του σV.
Page 42 of 58
43
Τα διάφορα λογιστικά πακέτα (πχ ΕXCEL) περιέχουν ρουτίνες που επιτρέπουν την
προσαρμογή ευθείας γραμμής ή άλλων εξισώσεων σε ένα αριθμό σημείων
(παρατηρήσεων), συνήθως περισσότερων στον αριθμό από τον αριθμό των
παραμέτρων που προσδιορίζουν τις διάφορες εξισώσεις (πχ δύο παραμέτρους για
ευθεία γραμμή, τρείς για παραβολή, κλπ).
Η μέθοδος που χρησιμοποιείται συνήθως είναι η Μέθοδος Ελαχίστων Τετραγώνων
(ΜΕΤ).
Η ΒΑΣΙΚΗ ΜΕΘΟΔΟΛΟΓΙΑ
Εστω ότι έχουμε 4 σημεία σε ευθεία που ορίζουν τρία διαδοχικά άγνωστα μήκη, x1,
x2, x3. Κάνουμε διάφορους συνδυασμούς μετρήσεων ℓi όπως φαίνεται στο Σχ. 5.1.
Είναι προφανές ότι:
• οι μετρήσεις ℓi είναι περισσότερες απ΄ ότι τα άγνωστα μήκη xi. (n=4
παρατηρήσεις και m=3 αγνώστοι). Αρα δεν είναι δυνατή μια κλασσική
αλγεβρική λύση.
• οι διάφορες μετρήσεις δεν είναι συμβατές μεταξύ τους, πχ. ℓ1≠ ℓ2+ ℓ3 γιατί
περιέχουν μικρο-σφάλματα υi.
Η μεθοδολογία για να υπολογίσουμε τις καλύτερες εκτιμήσεις των άγνωστων
μεταβλητών x1, x2, x3 είναι η ακόλουθη:
Υποθέτουμε ότι κάθε μέτρηση περιέχει ένα άγνωστο τυχαίο σφάλμα υi.
Με βάση αυτή την υπόθεση δημιουργείται το εξής σύστημα των εξής γραμμικών
εξισώσεων
x1 + x2 + x3 = ℓ1 + υ1
x2 + x3 = ℓ2 + υ2
x1 = ℓ3 + υ3
x1 + x2 = ℓ4 + υ4
Page 43 of 58
44
⎡1 1 1⎤ ⎡ l 1 ⎤ ⎡υ1 ⎤
⎢0 ⎥ ⎡ x1 ⎤ ⎢ ⎥ ⎢ ⎥
⎢ 1 1⎥ ⎢ ⎥ ⎢ l 2 ⎥ ⎢υ2 ⎥
⋅ x2 = +
⎢1 0 0 ⎥ ⎢ ⎥ ⎢ l 3 ⎥ ⎢υ3 ⎥
⎢ ⎥ ⎢ x3 ⎥ ⎢ ⎥ ⎢ ⎥
⎣1 1 0 ⎦ ⎣ ⎦ ⎣l 4 ⎦ ⎣υ 4 ⎦
ή συμβολικά
Α x= ℓ+υ
∑υ 2
= min
Από τη συνθήκη αυτή έχει πάρει και την ονομασία της η μέθοδος (Μέθοδος
Ελαχίστων Τετραγώνων, ΜΕΤ).
Η τεχνική που ακολουθείται είναι να λύσουμε κατ’ αρχήν την εξίσωση Α x= ℓ+υ
ως προς τα υ, υ =Α x- ℓ, να υπολογίσουμε στη συνέχεια το άθροισμα των
τετραγώνων τους Συ2= (Αx- ℓ)T (Ax - ℓ) και τέλος να υπολογίσουμε την ελάχιστη
τιμή των υ2 μηδενίζοντας τις μερικές παραγώγους της συνάρτησης
υ2= (Αx- ℓ)T (Ax - ℓ)
για κάθε τιμή του xi. Μετά τις πράξεις οδηγούμαστε στο σύστημα των εξισώσεων
(ATA) x= AT ℓ
το οποίο χαρακτηρίζεται από ίσο αριθμό αγνώστων και παρατηρήσεων και
ονομάζεται Σύστημα Κανονικών Εξισώσεων. Εφόσον ο Πίνακας (ATA)
αντιστρέφεται (οι προϋποθέσεις αναλύονται στη συνέχεια), μας οδηγεί στη λύση
x$ = (ATA)-1 AT ℓ
που προσδιορίζει τις εκτιμήσεις του x που ικανοποιούν τη συνθήκη των Ελαχίστων
Τετραγώνων. Η λύση αυτή προφανώς εξαρτάται μόνο από γνωστές παραμέτρους.
Στη συνέχεια, αντικαθιστώντας την εκτίμηση x$ του διανύσματος x στην αρχική
εξίσωση Αx= ℓ+υ υπολογίζουμε τις καλύτερες εκτιμήσεις υ$ i των υi
υ =Α x$ - ℓ
Page 44 of 58
45
σο2(ATA)-1
Τα διαγώνια στοιχεία του Πίνακα αυτού εκφράζουν τις μεταβλητότητες των
συνιστωσών του Χ, και τα μη διαγώνια τις συμμεταβλητότητες τους.
Είναι προφανώς ότι όσο αυξάνεται η υπερστατικότητα ενός συστήματος
παρατηρήσεων μειώνονται οι αβεβαιότητες των αγνώστων.
Η διαδικασία της επίλυσης συστήματος υπερστατικών παρατηρήσεων, κυρίως όταν
αναφέρεται σε γεωμετρικά δεδομένα, ονομάζεται συνόρθωση (adjustment).
Να σημειωθεί ότι στις απλές στατιστικές εφαρμογές, πχ. εξ. 2.3, υπεισέρχεται
μεταβλητή αντίστοιχη προς την υπερστατικότητα (redundancy) των μετρήσεων (ο
βαθμός ελευθερίας) , αλλά παίρνει τιμή n ή n-1 (πχ στην εκτίμηση της
μεταβλητότητας).
Η εκτίμηση με ΜΕΤ παρέχει εκτιμήτριες αμερόληπτες (τύπου BLUE, Best Linear
Unbiased Estimator).
Page 45 of 58
46
Εάν υπήρχαν άπειρες μετρήσεις τέτοιων κύκλων, τότε η περιβάλλουσα των τομών θα
όριζε μια έλλειψη, και αν δεν υπήρχαν συστηματικά σφάλματα, το κέντρο της
έλλειψης θα ταυτιζόταν με την αληθή θέση του σημείου Μ.
Page 46 of 58
47
Παράδειγμα 1
Εστω ότι έχουμε μετρήσει τις τρείς άγνωστες γωνίες του τριγώνου α, β, γ και έχουμε
εκτιμήσει τις τιμές ℓ1, ℓ2, ℓ3 αντίστοιχα. Προφανώς οι μετρήσεις δεν ικανοποιούν
τη συνθήκη α+β+γ=200g λόγω σφαλμάτων υ που επιρρεάζουν κάθε μέτρηση.
Ζητούνται οι καλύτερες εκτιμήσεις των τριών γωνιών.
Λύση: Προφανώς οι τρείς μετρήσεις μας δίνουν ένα σύστημα υπερστατικό, γιατί δύο
μόνο μετρήσεις γωνιών αρκούν για να προσδιοριστούν τα στοιχεία ενός τριγώνου.
Τις δύο γωνίες α, β θεωρούμε ως αγνώστους και συνθέτουμε το σύστημα των
εξισώσεων παρατήρησης.
1α + 0β = ℓ1 + υ1
0α + 1β = ℓ2 + υ2
1α + 1β = 200g- ℓ3 + υ3
Οι δύο πρώτες εξισώσεις είναι απλές παρατηρήσεις, η τρίτη είναι συνδυασμός
παρατήρησης και γεωμετρικής συνθήκης.
Το σύστημα αυτό έχει τη μορφή Αx= ℓ+υ και λύνεται όπως ανωτέρω.
Page 47 of 58
48
Παράδειγμα 2
Υποθέτουμε ότι τρείς διαφορετικές μετρήσεις ενός μήκους έχουν δώσει τιμές ℓ1, ℓ2,
ℓ3. Υποθέτοντας ότι οι τρείς μετρήσεις είναι ασυσχέτιστες και ίδιας ακρίβειας, να
υπολογιστεί η καλύτερη εκτίμηση του μήκους με τη ΜΕΤ.
Λύση: Εχουμε έναν άγνωστο x (m=1) και τρείς μετρήσεις ℓ1, ℓ2, ℓ3 (n=3) οι οποίες
περιέχουν άγνωστα σφάλματα υi. Δημιουργούμε το σύστημα των εξισώσεων
παρατήρησης
1 . x = ℓ1 + υ1
1 . x = ℓ2 + υ2
1 . x = ℓ3 + υ3
⎡1⎤ ⎡ l1 ⎤
[1 1 1] ⎢1⎥ [ x ] = [1 1 1] ⎢⎢l 2 ⎥⎥
⎢ ⎥
⎢⎣1⎥⎦ ⎢⎣l 3 ⎥⎦
που καταλήγει 3 x$ = ℓ1+ ℓ2+ ℓ3 ή x$ =( ℓ1+ ℓ2+ ℓ3 )/3 , εκτίμηση που ισοδυναμεί με
τον απλό ΜΟ.
Η μεταβλητότητα της εκτιμήτριας x$ προκύπτει από τους τύπους σο=√(Σ υ$ i υ$ i )/(n-m)
και σο2(ATA)-1 .
ΜΗ ΓΡΑΜΜΙΚΕΣ ΕΞΙΣΩΣΕΙΣ
Page 48 of 58
49
Στάδιο 5: Εχοντας υπολογίσει τις καλύτερες εκτιμήσεις των μεταβλητών δx και του
αντίστοιχου Πίνακα Μεταβλητότητας-Συμμεταβλητότητας Σ μετασχηματίζουμε
εύκολα τις τιμές δx σε εκτιμήσεις των τιμών της x. O μετασχηματισμός αυτός
προφανώς δεν επιρρεάζει τον Πίνακα Σ.
Page 49 of 58
50
Παράδειγμα
Μετρήθηκαν οι αποστάσεις σημείου από 3 διαφορετικά γνωστά σημεία 1,2,3. Να
υπολογιστούν οι συντεταγμένες του Μ.
όπου Si οι αποστάσεις του σημείου i από το σημείο (xο, yο), δηλ. η προσεγγιστική
τιμή του μήκους Si.
Το σύστημα των εξισώσεων αυτό είναι γραμμικό με τρεις εξισώσεις (μια για κάθε
σημείο) και δύο αγνώστους (δx, δy) και αποτελεί σύστημα της μορφής Α·x = l + υ
Page 50 of 58
51
Page 51 of 58
52
Χαρακτηριστικό παράδειγμα που δείχνει πώς η έλλειψη σφάλματος του ενός σημείου
που προσδιορίζεται από τις γωνίες στη βάση του τριγώνου (εμπροσθοτομία) εξαρτάται
από τη γεωμετρία των παρατηρήσεων. Το μήκος της βάσης του τριγώνου και η
αβεβαιότητα των γωνιών είναι σε όλες τις περιπτώσεις ίδια, και μόνο οι γωνίες του
τριγώνου διαφέρουν. Οι διαφορές τους οδηγούν σε δραματικές διαφορές της έλλειψης
σφάλματος. Για εποπτικούς λόγους σφάλματα γωνιών (γωνίες σκιασμένες) και
ελλείψεις είναι έντονα παραμορφωμένες. Γνωρίζοντας εκ των προτέρων τις
προσεγγιστικές διαστάσεις του τριγώνου και των αβεβαιοτήτων μετρήσεων
επιτυγχάνεται προσεγγιστική εκτίμηση των αναμενόμενων σφαλμάτων.
Page 52 of 58
53
Page 53 of 58
54
Εάν οι συντεταγμένες στο αρχικό σύστημα αναφοράς έχουν στατιστικές ιδιότητες που
προσδιορίζονται από ένα Πίνακα v-cov Σ, τότε οι συντεταγμένες στο νέο σύστημα
αναφοράς προσδιορίζονται από Πίνακα Σ* ως
Σ*=RΣRT
Παράδειγμα
Με ένα όργανο total station μετρήθηκαν οι πολικές συνεταγμένες ενός σημείου Μ,
γωνία θ±σθ και απόσταση r±σr και τη συνδιακύμανση σθr.
Ζητούνται οι καρτεσιανές συντεταγμένες και οι αβεβαιότητές τους.
Προφανώς ο Πίνακας Σθr (Μεταβλητότητας-Συμμεταβλητότητας των πολικών
⎡σ σ rθ ⎤
συντεταγμένων [θ r]T παρέχεται από τον τύπο Σθr= ⎢ θ
⎣ σ r ⎥⎦
και οι πολικές και καρτεσιανές συντεταγμένες συνδέονται με τις σχέσεις
x=rsinθ και y=rcosθ
Επομένως Σxy=JΣθrJT
⎡ sinθ r cosθ ⎤
όπου J= ⎢ ⎥
⎣cos θ −r sinθ ⎦
Συνήθως, ο Πίνακας Σθr θεωρείται διαγώνιος γιατί οι μετρήσεις γωνιών και
αποστάσεων θεωρούνται ασυσχέτιστες.
ΓΡΑΜΜΙΚΗ ΠΑΡΕΜΒΟΛΗ
Page 54 of 58
55
Πιο συγκεκριμένα, όταν η μεταβλητή h πάρει τιμή h1, η μεταβλητή ω θα πάρει τιμή
ω1 που θα αποκλείει από την ευθεία κατά υ1. Αντίστοιχα συμβαίνει για κάθε ένα από
τα n σημεία. Αν αντικαταστήσουμε τις τιμές hi, ωi, υi στην εξίσωση // για κάθε
σημείο θα προκύψει μία εξίσωση εξίσωση της μορφής
h1a+b=ω1+υ1.
Συνολικά δημιουργούνται n εξισώσεις σε μορφή Πίνακα
⎡ h1 1 ⎤ ⎡ ω1 ⎤ ⎡υ1 ⎤
⎢h 1 ⎥ ⎢ω ⎥ ⎢υ ⎥
⎢ 2 ⎥ ⎡a ⎤ ⎢ 2⎥ ⎢ 2⎥
⎢ h3 1 ⎥ • ⎢ ⎥ = ⎢ω3 ⎥ + ⎢υ3 ⎥
⎢ ⎥ ⎣b ⎦ ⎢ ⎥ ⎢ ⎥
⎢ ... ...⎥ ⎢ ... ⎥ ⎢ ... ⎥
⎢⎣ hn 1 ⎥⎦ ⎢⎣ωn ⎥⎦ ⎢⎣υn ⎥⎦
με 2+n αγνώστους (α, β, υ1, …υn) . Το σύστημα είναι της μορφής Ax= ℓ +υ, λύνεται
με βάση τη θεωρία της ΜΕΤ και προκύπτει λύση
x̂ =[α, b]T
Page 55 of 58
56
που περιγράφει τις δύο παραμέτρους της ευθείας γραμμής που προσαρμόζεται
καλύτερα στις παρατηρήσεις. Με βάση τις δύο τιμές αυτές προσδιορίζεται η
εξίσωση ω=αh+b που προσαρμόζεται καλύτερα στις παρατηρήσεις μας.
Η «στιβαρότητα» της λύσης προσδιορίζεται από τον Πίνακα Μεταβλητότητας-
Συμμεταβλητότητας που είναι Πίνακας διαστάσεων 2×2 της μορφής
⎡σ αα
2
σ αβ ⎤
Σxx= ⎢σ 2 ⎥
σ ββ
⎣⎢ αβ ⎦⎥
Ο οποίος είναι προφανώς γινόμενο του σο2 και του Πίνακα (ΑΤΑ)-1.
Εάν τα δεδομένα αποκλίνουν από την ευθεία, είναι προφανές ότι οι τιμές των
στοιχείων της Σxx θα είναι μεγάλες και η εκτίμηση των παραμέτρων a, b δεν θα είναι
σταστιστικά σημαντική, οπότε και η γραμμική προσέγγιση θα είναι ασαφής.
Z=CX
όπου ο Πίνακας C περιλαμβάνει μόνο γνωστά, σταθερά στοιχεία (το σημείο hk για το
οποίο θέλουμε να κάνουμε την πρόβλεψη και το 1) και ο Πίνακας Χ μεταβλητές, ή
καλύτερα τιμές που έχουν σφάλματα. Ο Πίνακας Μεταβλητότητας-
Συμμεταβλητότητας του Χ είναι γνωστός, άρα ο αντίστοιχος Πίνακας
Μεταβλητότητας-Συμμεταβλητότητας του Ζ θα δίνεται από τη σχέση
Σωω =C Σxx CT
και θα είναι διαστάσεων 1 x 1, γιατί το ωk είναι μονοδιάστατο. Η τιμή αυτή θα είναι
και η αβεβαιότητα (τυπικό σφάλμα) της εκτίμησης της τιμής ωk και συνήθως
εμφανίζεται ως διάστημα εμπιστοσύνης, και γραφικά απεικονίζεται ως ράβδος
αβεβαιότητας (error bar).
Page 56 of 58
57
ΠΡΟΣΑΡΜΟΓΗ ΠΟΛΥΩΝΥΜΟΥ
Λύση: Οι ν μετρήσεις περιέχουν άγνωστα σφάλματα υi και μας δίνουν ν εξισώσεις της
μορφής
zi = α t i 2 + β t i + γ + υi
όπου άγνωστοι είναι οι συντελεστές α, β, γ και τα υi ενώ τα zi, ti είναι γνωστές
παράμετροι. Φέρνουμε τις ν εξισώσεις αυτές στη μορφή
t i 2 ⋅ α + t i ⋅ β + 1⋅ γ = −zi + υi
που δημιουργεί τους εξής Πίνακες που αντιστοιχούν στην τυπική μορφή των
γραμμικών εξισώσεων Α ·x= l + υ.
⎡t12 t1 1 ⎤ ⎡α ⎤ ⎡ − z1 ⎤
⎢ ⎥ ⎢ ⎥
A = ⎢... ... ...⎥ x= ⎢ β ⎥ l = ⎢⎢ ... ⎥⎥ κλπ.
⎢tν2 tν 1 ⎥ ⎢⎣ γ ⎥⎦ ⎢⎣ −zν ⎥⎦
⎣ ⎦
Η συνέχεια της λύσης είναι προφανής. Η εκτίμηση των σφαλμάτων της τιμής της
μεταβλητής z για τιμή t=to γίνεται όπως και στην περίπτωση γραμμικής παρεμβολής.
Page 57 of 58
58
Επιλεγμένη Βιβλιογραφία
Ανώνυμος 1978-79. Θεωρία Σφαλμάτων και Μέθοδος Ελαχίστων Τετραγώνων
(Σημειώσεις). Ανωτέρα Γεωδαισία και Χαρτογραφία, ΕΜΠ.
Μπαντέλας A, Σαββαϊδης Π., Υφαντης Ι., Δούκας Ι. 1995. Γεωδαισία, τόμοι 1&2 Εκδόσεις
Αδελφών Κυριακίδη Α.Ε. Θεσσαλονίκη
Παπαδημητρίου, Α., 1996 (ανατύπωση). Γεωδαιτικές Μετρήσεις, Τμ. Πολιτικών Μηχανικών
Παν. Πατρών, Εκτ. Κέντρο Πανεπιστημίου Πατρών.
Page 58 of 58