Professional Documents
Culture Documents
i
~.
Zbigniew Wiśniewski
'
RACHUNEK
I
WYROWNAWCZV
W GEODEZJI
(z przykładami)
~
Wydownlctwo
Unlwc~ytctu Wnrmlńok<:>-Mazur.iklego
w Olsztynie
Spis treści
Zbi6rniew Wiśniewski
1. ALGEBRA MACIERzy
A"" l"
0
21
<1111
"12
!1'12
(J112
a lm
(12m
anm
;;;: [a.1 a „2 --- a.m]= ~ra..,."··
a n• .
gdzie: aij - eleme n t le żący w i-tym wierszu ij-tej kol umnie (w t ym podręczni
ku b ędz ie my z a kła d ali, że są to liczby r zeczywis t e na l eżące do 9\), a .. - j -ta
k olumna , a . - i-ty wi er sz. Zbiór m acierzy o wymiarach n x m (n wie~szy, m
kolum n) b efdziemy ozn aczali 9\ 11 ·m, czyli n p. ':J\·1 · 2 jest macierzą o 4 wi e r-
A'"
s zach i 2 kolumnach (niekiedy wymiary macier zy okreś la się także i w i nny
spos ób , np. A }. Macierze należące do 9tn. I możemy utożsam iać z 11-wymia-
n.m
rowym i we kt orami-kolumnami (n p . a '.i E 9\''·1), natomiast macierze należące
do 9\m.ł -- z m-wymi arowymi wektor am i-wierszami (np. a 1• E 9\ 1·"' ).
A=[ ~3
6
3
2 - I
4
2
.5 '
I
, B =l-;2 3
- 4
4
y3
()
2
6
6 J
- macie rz kwadratowa (n = 111), np.
-2 o ·li
A ~ .~[ ~ _r;
9
rai 1
111:
a1
11
l ~r;
3
~·1
_ we ktor s umujący - m acier z jednokolumnowa, w k tór ej wszystkie ele men-
ty są równ e l . Wekt ory s umujące o 11 elem en tach będziemy oznaczali
"l""
tI·22 a 211 przez In• np.
np . A 7
. .. ... !'
A
11 111 a-:_/J a„" J
16
L
2 sJ
- ma cierz diagonalna (przekątniowa) -- m acier z, w której V i :P. j: a;1 = a ji =O,
r o l o
A•[ ~ ~]
a 11 o __ macierze trójk<\tne - takie ma cierze kwad ratowe, w których Vi > j: a ij ==O
a „.., 0 I (macierz trójkątna górna) lub Vi <i : a;j =O (macierz trój kątna dolna ), np.
A•l: o o J
np. - 2
o górna dolna
~.
a,,,J
91
re
Jo
o
c oo l A =I
1~ 24
I o o
O 2
6
3 ·- 8
o OJ
~l·,~·
4 8
A
()
·c·j ~
Dodawanie macierzy
- m acierz j ednostkowa - macierz s kalarna, w k tór ej c "" I . Macierz j ednost- S umą ( różni cą) m ac1en:y A , B i:: 9\"·111 j est taka m acierz C i= 9\ 11 ·m
kową o wymiara ch 11x 11 b ę dziem y zapsywali jako In, czyli I„ E 9\ n·"
(C =A + B), w której
- w ektor jednos tkowy (n-wymiarowy we rso r) - macierz jednokolumnowa,
w której jeden z ele m e ntów a 1 jest r6wny l, natomiast ws zystkie pozo- (1.1)
s t a łe S<\ równe O. Wektor jednostkowe b ę d ziemy ozna cza li przez c(il' t o np .
znaczy:
A + B c
0; .. 1 Wła snośd dodawa nia:
''3. 1
cli) :.::
I;
np. c('.!J "'
[O
(~ lE 9 1 • 1. A+ B =B + A <- prawo przemi enności
2. ( A + B ) + C= A+(B + C) =A+H +C <- pr a wo łącznośc i
0 ;+1
3. A + O= O+ A = A
O - macier z , której wszystkie· elcr.lenty są równe zeru (ma cierz zer owa)
10 11
Mnożenie macierzy ((i,j)-tym element em macierzy Ar jest (j,i)-ty element macierzy A, czyli n a -
stępuje tutaj zamiana rolami wierszy i kolumn), np.
Iloczynem macierzy AE 91 11 ·"' oraz HE 9l 111 ·P jest taka macierz C E C:J\ • 1'
11
-~]T =[ ~ ~i
(C"" AB), w której
m 2
[6 'J_
i= !„. „ n 1. (AT{=A
J=l,„ .. p 2. (A+ B)T =AT +B7', (A+B+ C { =AT +BT +c'· itd.
3. (AB{ =B TA'/', (ABC/ =CTBTAT it d.
np.
4. (cA/ =cAT
{) ()
8
4
-4
o
2
-;i
jednak, na ogół, AB v= BA (gdy AB= BA, wówczas A i B są nazywane
macierzami przemiennymi). Macierz blokowa jest zatem macierzą, której e lementami A ij są inne
4. ,Jeśli A E 9\'1·"', zachodzi Al m =I 11 A macierze (nazywane podmacierzami). Podmacierze A 11' A 12, A 13 mają jedna-
kową liczbę wierszy (podobnie podmacierze A 2 1, A 22, A 23 ), natomia s t p od-
Mnożenie macierzy przez skalar macierze A 1 I> A 21 mają taką samą liczbę kolumn (podobnie podmacierzc
Iloczynem skalara c 1 macierzy AE 9\ 11 ·"' jest taka macierz BE 9\ 11 • 111 A 12 , A 22 oraz A 13 , A 23 ).
(B = cA), w której 1. Dodawanie macierzy blokowych przebiega zgodnie z regułami okreś lo n y
'iii, j: b;j =ca;j ( 1.3) mi dla macierzy o e lementach skalarnych, np.
np.
l
2. Transpozycja macierzy blokowych, np.
1. (c+d)A = cA+dA
2. c(A+B)=cA+cB
lA1 1 A i:~ Au
r
J -_ A1ryT
A1 1
T
AI,]
T
A22
Macierz transponowana An A 23 T-
A 21 1'
Macierzą transponowaną macierzy AE 9\ 11 ·"' nazywamy taką macierz A13 A 23
AT E 9\"'·n, w której
3 . Iloczyn macierzy blokowych przebiega zgodnie z regułami do tyczącymi
macierzy o elementach skalarnych, np.
12 13
Rozkład m acierzy pros t okątnej poziomej
l
'l
o . ..
g 111 ['al I
t1 12
i
o I=:."2 1
["""12
() i
_h1„
h22
h211
,:,:.j_·; o
g21ł
;· J L::,·,
a22
a n2
"'"]
cz2„
(Jllll
Za u wa żm y, że skoro
HT G == A
nTG' =A ""~ nT[c . Le] =[Ao j L]
Ni eznan e elementy m a cierzy H i G wyznacza s ię przyrównując wyniki ~ -----.,.~
G A
mnoż e ni a wierszy m acierzy H przez kolejne kolu mny macierzy G do odpo-
wiednich elementów m acie rzy A (według zasady mnożenia macierzy), u zy- t o HTG = A0 (k lasyczny rozkład „kwadratowej części" : \l macierzy A) or az do-
s kuj ąc w ten s posób równa nia z j edną niewiadomą Ir;; lub g 1/ d atkowo H rL c = L, co stanowi pod stawę wyznaczenia pozostałych kolumn Le
Pr z y p a d e k 2. Macierz AE C)\ 11 •11 jest symetryczna. macierzy trapezowej G'.
W takiej sytuacji rozkład m acierzy można przyspies zyć, poszu kując tyl- Pr z y pad e k 2. Podmacierz A0 j est symetryczna.
ko jednej takiej macier zy trójkątnej górnej A E •:J\''·", że Jeśli w macierzy prosto k ątnej poziomej o s t ruktu r ze A== [A 0 : LJ
(A 0 e 9\ 11 ·", L E 9\ n,m- n ) podmacierz ,\ 1 j est symetryczna, t o rozkład moina
R TR = A (1.6)
przy spieszyć, poszukując takich macierzy R or az R' = [R L R źc l
czyli
l =rA o
r1 I o o 1"12
,,„ j r„„ a12
"'" 1
R T R , =A = R 1' (R L11 L] (1.8)
r1 2 r22 o
.. ['" o
o
'22
o
r2n
;,:„. ~ l~;~
°1 2
.
a 22
a2n
a2n Warto przy tym zwróci ć uwagę, że RTR = A 0 , R TL 11
Jest to przypo rządk owana tej macierzy liczba det(A), definio wana np.
Rr n A r ekurencyjni e CKIELBASIŃSl<l, S cmvE'TI.ICI< 1995):
15
14
i) dla 11 = I dct(A) = a 1p
TI
li
ii) dla n> I i dowolnego wskaźnika kolumny i "" I, 2, ... ,n 5. dcl( A )== a;;, gdy .-\ E <J\"· 11 jest macierzą ti·ójkqtn<\
j oc. J
li
A= a21
[
dla
al I
<131
a13 l
a 23 -7
a33
lal
det(A) = .
I
a21
1a31
Uwaga: TI a„ =
li
i ··• I
a 1 ·a2 -. .: a 11
o -J 4
=a, J {<-!) 2
+
a22a33 (-1) a32a23 }- a21
3
{{-1) 2
a12a33 + (- l)J a32a13 }+ to
2 3
+ a31 { (-1) a12a23 + (-1) a12a13 }== a11a22a33 + a12a:na3 1 + a13t121 a32 -
5!
1.., :i~Il
I l l I i4
-a13a22a3 l - a1 1a23a32 - <112a2 1a33 M1 1 = i
1-J 4;
,14„ ~
-.I =iI o4 ~3
i
!
1W:n = i
1-
itd.
Przedstawione rozwinięcie można ująć w postaci schemat u (reguła SmTUsa): Dopełnieniem algebraicz nym {kofaktorem) kii elementu ai. wyznacz-
1
nika dct(A) nazywa my wyrażenie
"l
Własności :
11
2. dct(cA) = c dc1(A), gdy A e 9\ 11 •11
3. dc1(A B) = dcl( A) dcl(Il)
. .
:tdJ(A ) =
['" k.,,
. ~.
k11 1
kn
k,l2
..
. „
k111
kil /I
li
16 17
1. Niech A E :n n.n, wówczas:
a l dct( A);tO <:::> R(A)=n, l
, - 1 = · -··-·
_., ł' ( ,\ ')]T
[ aCJ (l.12)
h l det( ;\ )= O <"> !?(A)< 11. dct (A )
Taką macier z :\ E 91"·". db której dct(A) =O. nazywamy maci erzą osobli-
Jeś li A jest macierzą symetryczną, to [adj(A)( = ad j(A). więc
w ą. W przeciwnym przypadk u , tzn . jeś li de t( A) * O, A n a zyw a my macie-
rz ą n i eosob li wą Hó7.nica 11- R( A ) = d j est defektem m acierzv.
2. Ni ech A E ~li''·". wówczas: , "'• - 1, = ·--I · - a d'(
j I\ )
det( A)
a) dla n > m macierz jest kolumnowo pe łne go rzędu , je ś li R(A) = 111;
b) dl a n < m macierz jest. wif!rszowo pe łnego rzędu , jeś li R(A ) = n.
2. Do obliczania odwrotno ści macierzy (szczególnie dla większych 11 } możn a
Własności: wykorzys t ać jej ro zkład na czynniki trójkątne . Zauwa żmy, :i.e jeśli
l. R(O) "' O
2. R(A J= R(A T ) A= H r (,.
3. R( A +fi) ::; R ( A l + R( B )
,1. R(A AT)=R(A) to (1.1:3)
r.'~. -~~'.'
kwadratowych i X1
. _o.I g211 ::::
i
i
Odw rotności ą (inwcrscm , ma cierzą odwrotną) nieosobli wej macierzy ! I. o () I . Lo () l LO o
.W'·". dcl( A) „~ O jest ma cie rz A · 1, taka że
kwadratowej A E < I G I„ sk ąd c;· l
} oraz
i
A·-IA = A A ·- I =I „ (1. 11) I
[ f.,L o o
r~I
Własn o ści :
I[. Y12 Y 111 lr1 2
1.,Jcśli istn ieją odwrotności A' , 1r· . c· 1 1 1
, to ( AB) „ 1
=n-· A ··
1 1
• (ABC) 1
= i r„„o „.!...
h12
.)' •~ n lr22
"'"1l'
lz2n O o
,;;,:, = «~·
~· C' 1 B- 1A·- 1 , itd.
'i
I o () „L () o o
2. (c A )- 1 = ·~A - 1 I linn.
c: !
i~ 1r 1 Ił I„ ska.d 1r1
Gdy A jest mac ierz ą symetryczną, proces wyznaczania jej odwrotn ośc i
4. d c1(A
-I J
) : : : -„·--
dct(A)
II możn a przys pies zyć, biorąc pod uwagę , że
!· Wówcza s
Sposoby oblicza n i a odwrotnoś ci
l. Odwrotn ość nieosob li wej macicn.y kwadratowej można obliczyć, korzysta- !
j ąc ze wzoru I,
r przy czym R "' 1 obliczamy na podstawie re lacji R '" 1R "" In. Zatem :
t
18 19
1!
1.3. Układy równań lini owy ch o kwadratowej
r·~
o
~i
nieosobliwej macierzy współczynników
' " 1['"
{
: 12 r 12 r111 1
_L Z211 0 '2:? r'.!11
'2:!
Niech będzie dany n astępujqcy układ równa1) liniowy ch
lo o __L Io
L
o r„„ o l J
rr.n ... 0 11X1 :f- a1'2X2 + ··· + ll1 w'n = Ir ]
1r 1 R 111
skąd R- 1 az 1x 1 +a22x2 +„.+a211x11 oo:/2 l
I (1.17)
.•••.. ..•.• .....•...•.....•• ...•.•.........•.. ... 1
:~. Odwrotność macierzy można także obliczyć bez wyznaczania wszystkich I
elemen tów odwrotności czynników trójk<\tnych, przep t·owadzając bowie m a 11 ,x 1 +a 11 2x 2 + .. . + a„11 x 11 =/ J 11
d ziałania:
gdzie: aij - współc-..:ynniki przy n iewiadomych .i:;, 11 - wyrazy wolne (i,j = I , ... ,n).
( A - 1{ =(GrH)-1
Uklud ( 1. 17) można ta kże za pis ać w postaci macierzowej
H·/ <A-1{ = łr'cc - 1 /
H (A - I )T =(G -I /
T skąd A - I = ( H T G)-1
A =H G (1.18)
G./ A -I =G- 1(1-C 1{
GA - 1 =(H - 1/
A X L
uzyskujemy następujt\ce dwie zależności:
gdzie:
1 1 A E 9\"·" - m acierz współczynników (zakładamy, że det( A) :1: O);
H (A- / =(_G - / }
(1.15) X E <J\ "·1 - wektor niewia domych , L E <J\ 11 •1 „- wektor wyrazów wolnych.
G A - 1 = (Ir 1{
W typowych problemach geodezji układ ró wnań A.X "" L jest rozwi<\Zywa-
1
W zależnościach (1.15) występują, co prawda, odwrotności łr oraz c- ,
1
ny z zastosowaniem metod dokładnyc h (pom ij ając bł ę dy za okrągleń ), tzn.
ale do wyzn aczeni a A-I n ie są potrzebne wszystkie elementy tych macie- me t od, które prowadzą do rozw i ąza ni a w sko ńc zonej liczbie kroków (w od-
rzy. Wystarczy jedynie pamiętać, że są to macierze trójkątne , przy czym róż nieniu od metod iteracyjnych). Spośród tych met od szczególne zn aczenie
1
e lementa mi przekątniowymi c-·l S<\ jedynki. Elementy macie rzy A"„ wy- majq t zw. metoda nieoznaczona oraz metod a oznaczona ( są też inne meto-
znacza się w wyniku n apr zemiennej realizacji zależności (1 . 15). dy, zob. np. I<rnt.BASI ŃSKJ , Sc11W Ł! t,JCK 1995).
,Jeśli A jest macierzt\ symet ryczn ą, to 1. Metoda n ieoznaczona
A = RTR skąd A - I = (RTHr t .Jeś l i w uldadzie równa ń AX = L ma cierz A jest nieosobliwa (dct(A) 7- 0), to
R/ A- 1 =R- 1(R - 1 {
is tnieje A „ 1• Umożliwia to z ast osowa nie następującego przekształcenia
A-·l . / AX=L
RA- I = (R - 1{
skąd
(1.16)
(1.19)
pozwala na obliczenie odwrotności symetrycznej ma cierzy A tylko na pod-
stawie informacji, że R- 1 j est macierzą trójkątną o znanych elementach na
przekątnej (odwrotności odpowiednich elementów przekątnej macierzy R).
20 21
···~ ·-·· .
2. Metoda oznaczona Jeśli A jest macierzą symetryczną, to l3 = RTR'. Wówczas
Na podstawie macierzy współczynników A oraz wektora wyrazów wol-
nych L tworzymy macierz blokow:\ B = [A ' L]. Zakładamy przy t.ym, że
=
f~(B) = R(A ) 11 (macierz B •= 'J\'1 •11 +1 jest wierszowa pełn ego rzędu). Pro-
s tokątm\ macierz 13 rozłożymy teraz (według poznanej wcześniejszej zasa- (1.21)
dy) na czynnik trójkątny H oraz trapezowy G', czyli B = nTc;· lub ,
uwzględ niaj ąc s truktury macierzy B i G',
czyli
Le = GX
l
(AX = AX ~~_:-..::\X = AX)
,\
"">
-
AA - L = L
X
Ll: o
G
nia
Należy jednak
zależnnść C~).
Każda macierz A
cych warunek (1.22).
zwrócić uwagę, że
może mi eć
Można
nic każda uogólniona
23
22
jest rozwiązaniem układu niesprzecznych równań
g-odwrotności jakieś inne, dodatkowe warunki, definiując w ten sposób
szczególne przypadki g-odwrotności (na ogół jednoznacznie wyznaczalne).
AX = L
Czytelnik zechce zauważyć, że takim szczególnym przypadkiem jest także,
omawiana wcześniej, odwrotność A- 1 (bo AA ._1A=A). W metodach opraco- s p e łniającym własność
X NX =mm ( l.25)
wają: g-odwrotność o minimalnej normie, g-odwrotność w metodzie na~
mniejszych kwadratów oraz g-odwrotność o minimalnej normie w metodzie W poprzednim podrozdziale abalizowaliśmy układy równar\ o jednoznacz-
najmniejszych kwadratów (np. P<:HEL..'.WTER 1980, PaószTIISKI 1981, PRóSZYŃSla, nym rozwiązaniu X ::: A - IL . Oznaczenia X będziemy natomiast używa li
SosNOWSKJ 1995, W1śNmws1a 1985c, WOLF 1972, 1979). w celu podkreś leni a , że jest to jedno z wielu moż liwych rozwiązań układu
Załóżmy, że macierz A o rzędzie r można przedstawić w następuj::\cej AX = L, spełn iające jakieś dodatkowe kryterium , np. tutaj xrN X= min .
postaci blokowej Podobne oznaczenie, nie bez powodu, będziemy również używali w dalszej
części książki, mając na myśli estymatory. Wyrażenie X.TN X, nazywane też
,\ :o::
[DB C]E form<\ kwadratowa„ jest kwadratem normy euklidesowej wektora X wzglc;.~
dem macierzy N, co zapiszemy jako
gdzie: B e <Jt"' - nieosobliwa podmacierz o rzędzie r. Wówczas jedną z g-
od\vrotności jest
i) A A;,(N)A =A ~ g-odwrotność
-·
t \. "'(N) :='N - l \'/'(Aa lN - IA'f') - l
t ( 1.27)
oraz dodatkowo
W niektórych problemach obliczeniowych mogą jednak wystąpić takie
ii) (A ;,,(N)A{N = N A;,,(N)A
sytuacje (np. wzajemnie zależne r ównania warunkowe w tzw. metodzie ko-
gdzie: N e <Jt"'·"' - pewna macierz dodatnio określona (mówimy, że kwadl·ato- rel at). że R(A) = r <n, czyli macierz A N - l Ar e <)\n.n. jest macierzq osobliwą
wa macierz B jest dodatnio określona, jeśli dla każdego wektora x ~O zacho- o rzędzie r i defekcie tl =/1 - r . Przyjmijmy, że macierz A można przedstawić
dzi xTB x >O). Oznaczenia A;,<Nl używamy dla odróżnienia tej odwrotności w następującej postaci blokowej
(a także i innych dalej omawianych) od ogólnej g-odwrotności A ' (dolnego
11 111
indeks u m nie należy tutaj utożsamiać z wymiarem macierzy AE <J\ • ) .
Uogólniona odwrotność A;,,(N) jest taką jednoznacznie wyznaczalną A = [~J
g-odwrotnością macierzy A, że
g d z ·ie.· A 1 E 0~1' ' ' /11 , ,\ 2 E• oA•d ,m . Za t em w macierzy
· ,\ wy <l zie
· l amy pod macierz
· A1
o wzajemnie niezależnych wierszach, przy czym liczba tych wierszy musi
(1.24)
się równać rzędowi macierzy A. Pozostałe wiersze, w liczbie równej defektowi,
tworzą podmacicrz A2 • Oczywiście, tworzenie takiej s truktury macierzy A
24 2G
może siQ wiązać z konie cznoś cią prz estawi eni a wier szy. Z abieg ten, opisany s tanowi<\CY rozwiązanie równania AX = L spe łnia włas ność
także w pracy WJS NJEWSKJE(;Q ( 1985b), pozwal a jedna k na wyzn aczen ie wy-
stępuj<\Cej we wzor ze ( 1.27) uogóln ion ej odwrotności ( A N - 1A T ) - . Zauważ (i.:30)
my, że s k oro
gdzie: \,- = A X- L (na ogół A E ~)\''·"' , 11 > 111 i u kl ud ró wnań AX =L jest
spr zeczny, co oznacza, że V = AX - L ~ O) .
Jednym z wariantów uogólnionej odwro tn ości w metodzie naj mniejszych
kwad ratów j est macieri.
oraz dla A 1 N"- 1A{ E 91 "·" ( 1.31)
R ( A 1N · -l
A T1 ) :c: !?(:\ ) => dct(A 1N ·- A Ti ) ;: O
I
.Jeś li A E ~)\"·"' . 11>111. R(A) =m . co oznacza, że is t n iej e odwrotn ość
(AT:\·I A)- r macie rzy A.,. M A ~= 'J\"'· 111 • to
istnieje ( A 1N ·· I A{ )"" 1 , to n a mocy własności (1 .2:3), mamy
- T -l T (l.32)
A t{i\I ) ==( A MA) A M
=
Załóżmy jednak, że [ R(A) r] < m i ma cie r z ATM A E ~)\'"· ni jest macie-
rz~.\ osob li w<1 o rzGdzie R(ATM A) ~ R( A) = r i defek c ie d = m-r (taką syt u-
acj e: spotykamy opracowuj n,c s wobodne sieci geodezyjne). Przyjmijmy, ze
Wobec tego
macierz A można przed stawić w n ast c:pujn.cej postaci blokowej
A{)- ~ OJ
1 1
I\
-
m( N)
=N ·-1.AT ( \ N'"" l .A T ) -= N - l [\ r
l _. ~ I ' ·" I 1 •'
<\.,-]
2
[(A,N
. .
o .o
gd zie: A 1 E 91"-'. A 2 E :w1.r1 , przy_ czy m blok A 1 j est złożony z ta kich ko-
lub
lumn macier zy A, że R( A 1)= R( A j M A 1) = r. Inaczej m ówiąc, podmacic r z A 1
- = (N - I ł\T ( \ N - 1A T ) ···I , () j (l.28)
A m(Ni I I 11 1 tworzy r niezal eżnych kolumn macierzy A , natomias t pozos tałe kolumny
przy czym (w liczbie równ ej de fektowi d) t worzn. podm acierz A2. Poni eważ is tnieje
(A(M A 1)"" 1 oraz R(Af MA 1) =/?( A). wic:c
Uogólniona odwrotność
J est to taka g-odwrotność A i-{i\;ll E ~)\''·m, że
w metodzie najmniejszych kwadratów ~]
i) A Aj(l\nA =A <- g -oclwr otnosc Zatem
oraz dodatkowo
A- - " A
"1(:-.n - l"
r~.1 ·\ )- \.,.l'vl ·-[(ArM··oA,.r-.1.. olA2
IY , ,. -
o_TA.f,.MM]
ii) (A A ifMl)TM = MA Ai(M)
g dzi e: M E 9\ 12 ·" - pe wna macierz dodatnio określona. Uogól niona odwrot-
no ść A i(M) jest taką jednozna cznie wyznaczalną g-odwrotności ą m acierzy A ,
że wek tor (1.33)
( l. 29)
przy czym
(A(:\1A 1)- 1Af M E ':H'·" , 0 E 9ld·" oraz r + d:.:m.
2 () 27
Zwróćmy uwagę, że jeśli R(A) < m, to d > O. Wtedy rozwiązanie X= A/(:vt)L Jednym z wariantów odwrotności A;iN jest macierz
ma następując~' strukturę: +
A MN = N--! A T M
.
A ( ;\ T M A
. . T .
N - 1A M A) - A T M (L37)
(l.35)
• T •
(AX-L) M(AX-L) = min )
, . ,,2 . T • (l.36)
!Xi
! tN
= X NX = min J
28 29
\V takim przypadku uogólnioną odwrotność A~iN można zapisać w postaci
oraz
( 1.39)
gdzie:
Załóżmy t eraz, że
,Jeśli
wyznaczymy z zastosowaniem wzoru ( 1.37) uogólnioną odwrotność Wówczas A ;JN = A ~u„ = A ~I ornz
A~JN, uzyskamy
(1 .40)
a następnie
lub, zapisuj:\c inaczej,
(1.38)
Uogólnio na odwrotność
oraz
31
30
1.5. Ślad macierzy,. forma kwadratowa, elemen ty
analizy macierzow ej, s p ecjalne ilo czyny
i specjalne operacje n a m a cierz ach
o macierzy C =BT A 13.
Własności CiłAo 1982):
a) Jeśli B jest macierza. nieosobliwą, to przekształcenie lin iowe nic zmienia
Ślad macie rzy okreś l oności formy kwadr ato~ej :
1~
Śladem m acierzy A " ~J\'i·" nazywamy wyrażenie
y 'fc y "' xT (n - 1{ n TA n n - 1x = XTA X
li sgn (X.,. A X) =
T r(A) ::: I.,a;; (1.41) i odwrotnie
= sgn (Y T CY )
i= I X T A X = YT BT ABY = Y T CY J
dla niezerowych wektorów X i Y.
czyli śl adem macierzy A jest suma jej elementów przekątniowych.
b) Niech Y = R X ~ X= R ·-ly ( 13 = R- 1) , gdzie R jest taką macierzą trój-
Wła s ności: kątną, że A = RrR (zgodnie z rozkładem 1 .6). Wówczas
1. Tr(A)=Tr( A T)
XT A X = YTBTA BY= Y T (lł " 1 {A R - 1y =
2. Tr(c A)= c Tr( A)
= Y r{ R- 1{ RTRR··l y = yr1 y = y1'y
3. T r(A + B ) = Tr( A) +Tr( B )
c) F orma kwadratowa xTA X, AE 9\ 11 ' 11 jest dodatn io okrcślo mi w t edy
4. Tr( AB} =Tr(13A)
i ty lko wtedy, gdy w; > O dla każdego i "" l , 2, .. „ 11, gdzie
5. Tr(ABCD) = Tr{(CD)(AH))=Tr(DABC}. gdy istnieją odpowiednie iloczyny
6. Tr( A)= R(A), gdy A jest macierzq idempotentną (Ili a12 a,;
ll2 1 0
.. . a 21
22
7. x 't A X= Tr( A X XT ), gdzie X jest wek torem k olumnowym IV;=
(I il a;2 llii
Forma kwadratowa
Formą kwadratową /1 zmi ennych x , x , .. „ xn n a zywa my następującą j ed-
1 2 {wyznaczniki o powyższej postaci są n azywane minorami wiod v..cymi ma-
norodną funkcję kwadratow<\ tych zmiennych, cierzy A).
Natomiast je śl i w 1 <O, w 2 >O, w 3 < O, w4 > O .. „ to form a kwadrato wa jes t
(l.42) określona ujemnie. Dowody tych własności , przeprowadzane z za stosowa -
niem omawianych tutaj przekształc eń form kwadratowych, można odszu-
kać m.in. w pracy RAO (1982, str. 54-55).
gdzie X= [x1„c2 „. „ x,J'. Maci erz A o e lementa ch aiJ na zywana jest macie-
rzt\ formy kwadratowej. W tym podręczniku będziemy mówili ty lko o takich Elementy analizy macierzowej
fOl·mach kwadratowych, dla których A jest macierzą symetryczną o elemen- Niech f (X)= f (x1 , x2, . . „ x 111 ) będzie funkcją skalarną, natomiast
tach rzeczywistych.
1. Forma kwa dratowa jest d od a tnio określona, gdy XT A X> O , natomiast
ujemnie określona, gdy xT A X < O (dl a wszystkich n iezerowych wekto-
rów X).
2. Przekształcenia liniowe form kwadratowych,
Niech X = BY, gdzie B jest macierzą nieosobliwą ( Y = B- 1x ). W ówczas
formą kwadratową nowego wektora Y jest
funkcją wektorową zmiennej w ektorowej X = (,t1 , x 2 • . . .• x"' {.
32 33
;:; 5. Przykłady pochod nych
1. Pochodną ()X IUnkcji skala rnej f (X) względem wektora X jest (pochod-
na ta jest niekiedy zapisywana jako dx) () , , () 2
- --.,· AX:::oO.
a ) -·- : \.X ::: A ,
<JX ax-
() 2 T
- „- X AY=O.
ax-
~T
Wyrażenie [·~f_F~2 J
()2 T
::: grad f (X ) jest gradientem funk cji f (X). d
c) ·:- X X
T
=2 X T . --- X X= 2 I ,
_ ax . ax ax 2
()2 -
a2-X r AX :::( A .,. + A ).
2. Pochodną funkcji wektorowej F{X) względem wektora X jest m acierz i)X2
;:;x 2
e)
() .r
--- ·X AX =2X A ,
• r ()2 „„
-------:;- X AX ::: 2A, (gdy A jest macierzą
iJf1 Q~2 ()X ax~
ax r~[1 ~:-J
I UXJ symetryczn ą),
?!'!_Q5)_ ir'!.~~ () T
a.\·m J g) -···- AU C ~ A ®C .
ax (JB
()
kl - -- Tr(B C B D) ={Tr,gd y B nic j es t m acicr?,ą symetryczną ,
.
i)B T +Tr - Diag(T ). gdy B jest macicn~1 symetryczną ,
gdzie T = DI3C + CBD.
4. Niech (U) będzi e funkcją skalarną zmie nnej macierzowej B e 9\ '"". Po-
f
chodną f(B) funkcji względem m acie rzy B jest Szereg Taylora
Niech /( X)= f (x 1 • x 2 „.„x,,. ) będzie funkcją s kalarną różniczkowalną
ilf(ll) il/(ll) iJ/ (T!),
-iii'l-,- -at;;;- ;jf>;~- wzglQd em wszystkich elemen"tów wektora X =fx1, x 2 •• •. ,x„ { . Jeśli jest zna-
armi () {(Il) a1 01i n a war t osc · ,x0 == !x 10 ,x20 ••• „xm
, , t eJ· f un k CJI·· w pun k cie 0 IT to
,
d f(B)
---- ···- = ·-a1;;·1· ··a1112·· · ;iD;;;·
()B
J.(. X)= f (X 0 )+ --of< X>'
····-·-··\
<JX .x „ x <>
1 T [a 1
d x + - dx ---- --;?··
2
2
()X -
<X)
X= Xo
I) d x + R (1.43)
35
34
gdzie : d X ==X- x0 , R - reszta rozwinięcia. W zastosowaniach omawianych d ) c A ® dH= c dA ® B
w dalszej części podręcznika szereg ten jest ograniczany do pie rwszych linio-
e) AB ® CD= (A ®C)( ll ® D)
wych wyrazów rozwinię cia, czyli
(A ® B)- 1 = A - 1 ® u- 1 oilei stnieją A - , B"
1 1
f)
(1-44)
g ) (A ® B) - =A - ® n- dla każdej g-odwrotności
h ) (A ® B{ = Ar ® BT
P odobnie , niech będzie różniczkowalna funkcja wektorowa
i) ( A ® ll)( A - 1 ® Jr 1) =1
j) Tr(A®B) = Tr(A)Tr(B)
l[.„.„ l
2. Iloczyn Hada marda. Niech A, B e <J\"·"'. Iloczynem Had a marda macierzy
A i B nazywamy ma cierL.
„ .
„,,,,b,,,,
["" ll1 2 b12 a 12b12
ll1111
b,,,,
... b2111
o znanej wartości w punkcie x 0 . Jeśli
rozwiniemy tę funkcję w ograniczony
['"' '122
a2 1 a 22 a2m * b2 1 ll21b21 a22b22 a2mb 2m
,:,·1~1
do pie rwszych wyrazów szereg Taylora (w otoczeniu dx punktu X 0 ), uzyskamy „.
gdzie: np. [ 2
3 4 -~]*[~
o
2 !l=[ 4
3
()
8
-6] 30
11 1 1B a 12 B · ·· e ) Tr( A B) = I T ( A * B) l
a mll1
1
3. Iloczyn Khatri-Rao (&\O 1982). Niech A i B będą na stęp ującymi macierza-
A®B=
a~ n
-1
an B
--
.„
a~'.~B E <J\"f'·""I mi blokowymi (o t ej samej liczbie bloków ):
·· · ...
[
a111B a112 B llnmB j A = [A 1, A z,.„,A k]
ll =( R 1, U 2 , „ „ Bk ]
[! -~l®[3 5]·[ ~
10 : 3 Iloczyn em Khatr:i-Rao nazywa my m a cicr.r.
np. s·
o•- 3
15 2;]
- )
6 - 3 2
Własności (R.Ao 1982):
a) O® A = A ® O= O np.
[ 3
2 - I
l
']®[3 2 I]= 2 -I
o l 4 5 9 3
4
o
b) (A + B ) ®C = (A ® C) + (ll ® C ) [
3 o
c) A ® (B+C) = (A ® ll) +(A ® C)
Własności:
4. Wektor utworzony z elementów dingonalnych oraz z e le mentów trójkl.l ta
a) (A@B)@C,,,A @ (B @ C) symetryczn ej macierzy AE ~)\n .n
b ) (A®B)(C@D) = AC @ BD
vctd (A ) -- fa I I• a 12 • „ a In :· a22 • · „ ci 2n :· „ : a 1111 )r
4 . Wierszowa upro szczony iloczyn Kroneckera (WtśN!EWSK1 1995). Niech · • • · ·
,\,n E 91"'"' będą macie rzami o wierszach odpowiednio a 1 i b1. Wie rszowo
5. Macierz diagonaln a Diag(A ) utworzona z diagon a lnych element ów ma-
uproszczonym iloczynem Kroneckera będziemy nazywali macierz cierzy A E 9\n.tt
· a 1 ®b 1 1 ai I
(/111]
[ a ® b„ ! A= a21
0 2n
1
-I
a(· rh1] a2a_1~®b.I.> '2.' I
r 0111 a112 (lfltJ
.~. ]=
a2 ® b 3 ai I {)
[
cl 11 b,1
Diag(a 11 ,a 22 , ... ,a 1111 )
Di,g(A) = -:·
r o ann.
3
3
2
o
-li<-·
O
a1 ® b 1
_3 f- a 1 ® b 2
<---a 2 ®b 2
Przykład 1.1
Przykłady
N=[~ -l2,i
2. Wektor utworzon y z wierszy macierzy A <: 9\ n .m
.
vcr(A) = [all• al 2 • „ ., tJ 1111
.
: 021, a22 ... . , 0 2 111
.
: ••• :
.
a 1i1 . a 11 2, .•. ,
r
a 11111 I
M = [-2
3
o
o ~]. TT =[ o
I o
-lJ
-l
I
Niekiedy taki wektor jest również notowany jako (np. KunAćKOVA i in. 1987) o
-~l+ ~]=•,
7 -7
-71I' + [-'3
··· • (lnn]
T
··=A-n+c=H -7
o 3.1 - 3
8
(} - 2 o
I
()
39
38
ostatecznie uzyskamy
o
o ~J+[~ -ff F = A ((B +C) D {
. [~
= ;
I
o
f o
10
6J=
15
1 [o 4 41 ]
45
•=[~
15
Q I - 1 O l - I
4
81
15
19
o
'"] [' ,;]
gl2 4
Rozwi ąza nie
F =
Poni ewa ż 14 E <J\ 4 ,4 jest macierzą jednostkową, tzn . r 1 = Diag(I, l, I) ' więc
14 -Diag(2, 2. O, O) = Di;1g(l, l, l, 1) - Diag(2. 2, O. O) = Diag(- 1, -I, I, I )
['"'
h 12
lin
h22
h2:1
o][ o
h(~:; - o o
gn
l
"' I
2
5
5
(B+C)D=[4
15
o][o2
1
13
o]=[o
IO
4
6
() J
lS
41
40
-> li1 ·2 =l nie tylko jednej trójkątnej macier zy R , ta kiej że H.TR = C (oraz podobnie dla
m acierzy D). O c zywi śc i e nie mo że by ć wówcza s mowy o zakładaniu jakichś
wartości na p rze kątnej macierzy R. Realizując p roces rozkładu macierzy C ,
0©"' 0 .
L
r11
r12
I „1•
·'
o
r22
r2:;
o ·1r„iJ r12
o ]1 9 r22
1:n . Lo o
::;jf
r:;:; 12
15
29
22
121
22
26
!
J
h 1.'· · l ·i- lz 21 ·o+ 11 33 ·o =2 -> '1 13 = 2
RT R c
Mnożąc pierwszy wiersz macierzy R T przez kolejne kolumny macierzy R ,
00 u zyskujemy
" "
h1 ~ . 2 I 2+h23 . I + h~3 . () =5
01 cp
CD CD
y ......... uwaga : z dwu moż liwych do przyjęcia war tości elemen tu " t 1 {3 lub - :3) wy-
h1~ · g13 + h2:a · g:n +/J~n I= 17 nika, że z p ewności ą istni eje więcej niż jedna taka macierz trój kąt
na R, że RTR = C. Do dalszych obliczeń przyjmujemy, że r 11 =:-i.
Hczultatem dzia!ml. jest następuj~\CY rozkład macierzy A:
[~ "T
2 4
,·981
3
oJ o
4 o ()
5
'1
lJ
[' ~ I
2
5
5 17]
HT c·' A
Przechodząc do mnożeni a drugiego wiersza macie rzy R T prz ez kolejne
Oznacza to, że odszukaliśmy tab\ parę macierzy trójkątnych, których wiersze macierzy R, za nwa żmy, że możn a z aczą ć od razu od drugiej kolum-
iloczyn daje macierz A. Oczywiście istnieje nieskoriczcnie wiele par macie- ny m aci erzy R (element. r 12 został już wcześniej wyznaczony )_ Za tem
rzy trójlqtnych odpowiadaj;..\cych macierzy A, tutaj jednak wybraliśmy taką
pan~, w której elementami przekątniowymi macierzy G są jedynki. Przyj-
mując inne wartości diagonalne macierzy G (albo macierzy II), otrzyma się
także i inne pary stanowiące rozkład macierzy A (i to t akże będzie dobrze,
cho c iaż niekoniecznie wygodnie pod względem numerycznym).
Uwaga: również i tym razem m a my m ożliwość wyboru. P rzyjmijmy r22 = 2 .
.Jeśli przeprowadzimy rozkład macierzy B na czynniki trójkątne (przyjmij-
my kla syczną, na ogół stosowam\, strukturę macierzy trójkątnych), uzyskamy:
CV0/CV
I~
+ '22 . 'n +O . ''n = 22 -> == l
() 15
6] ri 2 . r13 r 23
l1
2
HT
'T
() ! o
3J o
G
2
6
B
6
8
Mnożenie trzeciego wiersza macierzy R T przez macie rz R można rozpocząć
od razu od t rzeciej kolumny (ele men ty r 13, r 23 są ju ż znane). Wobec tego
Rozkł a dy m a cj erzy C ora z D można przeprowadzić podobnie jak wyzeJ, -> r33 ::::3 lub r3 3= - 3
tzn. wyznaczyć odpowiad;ijące im pary macierzy H i G. Interesujące nas tu- przyjmij my r 33 "' 3
taj nrn cie rze są jednak symetryczne. Taka struktura po zwala na wyznacze-
42 43
Rezultatem działań jest następujący rozkład: ht 1·l+O 0+0 · 0=4
[~ ['
o
~1[~I o o "]= 12]
5 15
2 2 l 15 29 22
I ~ 3 12 22 26
-' J
RT R c _, 8 13 = 2
CV
T iH:
l) 2 6
~ h1 1 · g 15 +0 · g25+0 · g35 =4 ·-> g1 5 == I
I () 5
[; 2 l o o 4 :J
n.r R I)
Przykład 1.5
Rozłożyć na czynniki t1·ójk:ltny i trapezowy macierze:
cpcp ~
h 12 · g 13 +Iz..,_..,_ · g 2 3+ O·I ""19
cp cp ~
rJ =:o
\~]
4 2 2 2
01 -I -1 h 12 · g15 +h22 · gz5 +O· g35 "" 2 -> g25
c-[ 2
2
JO
4 18.
4 ·-2
8 ~J'D=l-J
-I
5
3
3
II
l[
- > .l = 2 1
~]
g13 g14 16 8 12
cp~ ©CD CD
[h"
gl2
g„ "" 24 Jl
h:J [i h13 . g 14 + h2; . g2,; + h33 ~ g34 =2 l
1112 h22 g23 g24 gzs 19 9 --> g34 :::: 4
h1 3 h23 o g34 g 35 5 22 21 2 1
~ -.ol~ ~ ..____,_____, '---..----'
Hr G Le Ao L
G'
'------ ~
A
-> g35 =I
45
Wobec t ego Przykł ad LG
Obliczyć wartości wyznaczników macierzy:
r412 o
~1r:lo o '] ['
4 2 3 16 8 12
o
3] [328 ~~~-j'
2
i -
L:i
J
2 1
l 5
4 ~ = ~
11
22 2 1 21
19 9
;] A=
[ -1
3
2
~- · C= 6~6
328
2 656 328
ur G' A
f3 o Wyznacznik macierzy A:
T
2 3 6
l~ o2 loo o 2
2
!H: 2
4 10
4
,:] i' ~.)
!-l
I
2!
i
i ~3·2-1 · {-1)=7
r'.
LI
3
Rr
oI
'Tl
4
()
o
3
o 4 .
R'
. -I
2 :H 2
2
IO
4
4 - 2
18 8
c
:1 dct( D) = 2
0
1
o
2
I
'I
31= -I
1
oraz
[-: rn oo
- I
()
RT
I - I
2
o
R'
-I
I .
3• 3
+-\ I" [
-1
I
- I
5
3
D
- I
ll
3 :
\ ~]
w i ęc
Prz ykład 1. 7
Ob li czyć wartość
dc1(C) = 328 3 · {·- ! ) == - 328
o o
3
~1
- 2
3 o
A= ~ 8 - I o
[
-4 2 6 2
47
46
Rozwiązanie Je ś li wyznaczymy
Aby obliczyć wartości wyznaczników macierzy A (jest to macierz trójkąt
o
j~ or ~i
3 6
na), można skorzystać z następującej własności: [4 11
o o ~.1~ ~
3 o o 3 18
dct(A) =n"
i= l
aii' gdy AE';;\''·" jest macierzą trójkątną l1 2 4 9 21
Rr . ' R B
Wobec tego t o uzyskamy
2 o o Di .I \2
det( A) =
3 3 o 01
l=(-2)-3 (-1) -2=12
<lct( B) = IJ11, ! = (2·3· •1)"~ =576
o s - l ol I
H )
4 2 6 2!
Łatwo można zauwazyc, że R.( A) = R(BJ = 3, czyli r ów nie ż (dla każdej
z t ych macierzy) ti =n - !Uo) '-" 3 -3 =O.
Przykład 1.8
Korzystujqc z rozkładu na czynniki trójkątne, obliczyć wartoś ci wyzn acz- Przyk ład 1.9
ników macierzy: Ustalić rząd, defok t i ślad (w przypadku macierzy kwadratowych) macie1-;,y :
A= [~ :~ I:] . B I~ ~
5 22 21
= [:
2 9 21
l A=
[3~ 3 6
2
4
4
8J
-
B "[:
:I c"[~ .)
2
2
·:]
3 cf
Rozwiązanie
I ·1
I
~j
I -I
Ponieważ
n
"'l
...--'--,
11 n
I
t
o"[o I o E"[: F = Diag(2,3,4), K "" D iag( 2,0,4)
I R ozw i<\Zanie
oraz
i=l i=l i=l
I Przypomn ij my, ze rzqd macierzy jest równy wymiarowi najwy ższe go
I stopniem niezerowego podwyzn acznika wyjętego z tej macierzy.
5 2 1 1 5 22 2 1
lI a więc wai·tość d<:t (A ) , jes t róż na od ze ra:
l;'ll
lVTocierz D. Wyznacznikami najwyż s z ego stopnia są tutaj wyznaczniki
M 11
I
2
,.,, i „ 4
Mr2 =
4
M ,~ = 1
l I 2 il drugiego stopnia. Biorąc pod uwagę np. wyznacznik
I ., s 2 s 2 4 !
I3 3
3 6 :' ' 3 6 !
lvl 1 1
=i 4 8 i' ~
Mn = ~
2 8 i
;\li 2:;
=1 2 4 'i
s twierdzamy, że jego war tość· jesl różna od zera, zatem R(D) = 2. Ponieważ
!3 3 D E 9\'.\· 2 . więc jest to macierz kolumn owo pełnego rzędu ( R(D) = 111 = 2).
M .\I - ·
3 6 :I
M:;2 ~l
j
; 3 6 !! :li .~ 3 = t I
2 4 i• I 4 I
'
' l 2 ! Macierz E. Zwróćmy uwagę, że wa1·to śc i każdego z wyznaczników dru-
giego stopnia, jakie można wyjąć z tej macierzy, S:'J, równe zeru. Ponieważ
Ponieważ istnieje niezerowy wyznacznik drugiego stopnia (np. M 22 ), istnieją niezerowe elementy tej macierzy (wyznaczniki pierwszego stopnia),
więc R(AJ::.:: 2 oraz d = 11 - R(A) =3 - 2 =I. więc f?(E) ::= I. Z rozpoznania EE 9\'· 1 (R(E) = I} < (m =2) wynika, że E jest
Macierz 13. Zauważmy, że: macierz[! kolumnowo niepełnego rzędu .
- wyznacznik trzeciego stopnia Macierze F, K. Ponieważ cłct(F) ~O, więc R(F) =3 (d ct(F) jest wyznacz-
l l nikiem trzeciego stopnia ) oraz d = 11 - R(F) = O.
Zauważmy, że dct( K ) '"'O, co oznacza, że R(K) < 3. Istnieje jednak nieze-
dct<B ) = tl=O => R(H) < 3
rowy pochvyznacznik drugiego s topnia (m inor 1\tf 22 ), zatem R(K) = 2.
Ii d = 11 - R(K) =3-2= 1.
- wyznaczniki drugiego stopnia Ś lady macierzy kwadratowych (sumy e lementów przekątniowych):
Tr( :\ } = 3+2+8== 13. T r(B)=l+l+l=3.
"T
2
["'
XJ2
12 11 X21 X22 X23 () 2
h 2 1i = 2
X3:1 () o
1 _ ~·
! X.li X32
I .)
i
2 .Jl
A
Ponieważ jego wartość jest rozna od zera, więc R(C) 3 (i nie ma już =
potrze)?' badania wartości innych wyznaczników trzeciego stopnia). Skoro
C E ':Jl·'·' oraz l?(C) = 3, więc macierz C j est w ierszowa p e łnego rzędu
(R(C) ::: 11 :: 3).
i
! 51
50
!
:·:I
skąd -
J[~ ~]
2 o
x 11 ·3+x12 ·0+x 13 ·0=1
roo ~
J
X12
.l. x„ [''
.\13 ~~ 3 l
m
y
()
2 J
o o
Jr I B [,
X11 ·l+x12 ·2+x13 ·0==0 .)
skąd
x 11 ·2+x12 · l+x 13 · l =0
Ep
}·l + " 12 · l +.\'i:; ·2 =: o
-> X2t =: ()
~ =o
x 21 ·l+x 22 ·2+xn ·O=l -> x22 = t O· l +·l-_l · l+ XTJ · 2
Wobec tego
-~
->
·'J·
()
-·r 2-1
_)6 o. 3
J. o o
2_
2
B
:1=r~)o o~ ~i
2
l,J
1
©
_;31 ·I +x32 ·2+ .t:;:i ·O= O
Pl·zykład 1.11
St osując metod~ wyz n acznikową, oblic zy ć o dwro tności macierzy;
~ C!p
:c31 · 2 + x:n · l + x:u · l = I -) X33 = t
A=[(~ 2 ~
W wyniku <lzinbń, podobnych w charakterze do działań związanych o o 3
z rozkładem macierzy na czynniki trójkątne, uzyskaliśmy taką macierz A" 1, że
Ro z wią z anie
r
l
I o
o
_ J.
6
J_
2
()
-tw
- -~ :~ o
2
2
:i+
1 ()
()
I
o
01
~J
Do obliczenia odwrotności macierzy A i B zastos ujemy wzór
A
-I
=-· ..l „ „„[adJ(A)
Jet( A)
. . T
j
52 53
·1
I
uzys k :Jmy
l
i
l Rozwiąza n ie
1 '~
(- 1 )~ -M 1 " Ma cier z A. Poni eważ
<-w· -lvf : 2
• 'J ..o. ")
o
[~ ~H: ~i
6
l
(- 1) :;;. 2 M --,
3
·'- 3 I 6
o lo
I I O o JJ
Ponieważ dc l( A)'"' 6, więc
I-IT G = A
~;1=[
r 6 -3 - _l oraz
\ -1
6' <J<jj'( \ { 1 Il. o 3 ()
2
t =il fi J _,I_
_fj
l~ x"j[' :1
I = ! = (, 2 X1 2 I 2 6
o o 2_j o o tj s
I
.\'23 o 3 -- >
n'=[ oo I
3
= I;
~J
,)
Sprawdźm y: o I O o o
r
I 6 ·-3
-T I
,,
;I ~ o [' (~j
o Ol
Ir 1 H
A - IA '=tI
I
I.
()
o
3
()
j ()
-J
2
6 -3
o o
2
3J o
-li [
I
o
o o·'
(A-·'A= f :;)
[~
)'12
3
o
I
1r 1
)'JJ
.Y23
J
][Io
o o
3
G
:l = 1,
- )
c -' =[
I
o
o
-3
()
']
-~
o o = ()J
m
A A - 1 := {, 2 3 -3 o ( AA -- 1 == 1:;)
() o o o 2j _o o
Nlncierz B
=G- =rl OI -3I - 5·ir
2 -·h
l
o
I
() = -ł
Oj .U. r
_,, A --
1 1 1
(l-C / j
r-: ~l
l ...
() 0 I -1- I
- 6 :i 6
dct(H) = --2, aclj(U) = --3 •
- I <> 5.J -5 J Macierz B (sym etryczna). Sk oro
m~ ~H~ ;J
Przykł a d 1.12 o 3 6
18
Na podstawie rozkładu na czyn niki trójkątne, obliczyć odwrotności macierzy:
[1 3
2
3
o 9
66 72]. B= 6
4 6
18
21
9
RT R B
oraz
[
I 3 2 9 21
x,']['o l l
r ~
l ()
X12
l
'j
o
,,_-„1
! {)
3
3
o
!] = 1,
=> R- ' =[ o
2
o
-i
I
j
o -t:]·I
R- t
" R
55
Zwróćmy uwagę, ;i;e na podsta wie pierwszej rela cji, mnożąc kolejne (lecz
więc
zaczynając od ostatniego) wiersze macierzy H przez trzecią kolumnę macie-
__}_
l
13 -i::: R - 1(ll '- 1
rI
=Io
.!.
2
_.I.
2
I
3
o
-~;.Jr-i.
ii
l
i
_.!,
o
I
1
°]fl ~~~.
o ::: _,l_
16
_i_
36
__L
32
']
_ J_
24
I
rzy (A - 1{ , można wyzn ac zyć wszystk ie elementy tej kolumny. Zatem:
O· x 31 + O· x 11 + I · x-.n = I
CD
Lo .!. 13 J_
·I 6 .i 32 H 16 I
Przykład 1.13
~
Na podstawie rozkładu na czynni.ki trójkątne, obliczyć odwrotności macierzy:
2 . X31 + I. X32 -1- o. X33 ::: o
A = I
") 8
7
„·1
7 .
9 o 6]
B= O I O Skorn
[
o 2 5
[6 () 8
bez wyznaczania wszystkich e lementów odwrotności czynników ti·ójkątnych.
Rozwiqzanie
Macierz A. Jeś li pr zeprowadzimy rozkład tej m acierzy na czynni ki t r ój- więc korzystaj<w z dr·ugiej relacji układu (11), przygotujemy następuj~\CY schemat:
kątne , u zyskamy
[~ ~ ~i[~ ~i [~ ~ ~1
0 2 1 00
': 1
=
025
A
+
L_
[I 4
:~ (~
G G
Do obliczenia odwrotności A -· I zastosujemy relacje Tym razem można rozp ocząć dz i ałania od mnoże ni a dr u giego wie rsza
macierzy G przez trzecią kolum nę maci erzy A" • Zatem:
1
H ( A - 1 >1° = (G- 1{ }
I I T (B )
GA- =(Ir)
umożliwi ające przygotowanie dwu następuj ących s chematów (z bezpośr edni o a n astęp nie
dostępnymi inform a cjami O elementach odwrotności c ··I i Ir 1):
u~ 3
l"'
2 X12
X2 1
X22 :::]{ ~] o
I
W wyniku ww. dziala r1 uzyskaliś my m a cie1·z
l
o I .·~ 1:1 *
~2
X23 X33 "
X12
(A - 1>1°
["'
II = (G - 1{
(B) A-I = xr Xz2
o ·- ;1
'"]{ ~]
4
'iJ1["'Xt ~
X21
[,: l 2 Xp .\'.22 X32 - .,,. *
a tym samym możliwy staje się powrót d o pierwszej relacji, tzn.
o o :C2J X33 * ~
(H-l )T
G A-1
=
56 - 57
1
19 () 61
~) ~Jl
·'':11 2
oj=O 1 I OI
"' I 2 1„6 o 8 J
H B
na p odstawie której obli czamy Nastę pnie, n a podstawie zateżn ości R B'" 1 = (R- 1l, wyznaczamy trzecią
kolumnę macierzy s- , która jest jednocześnie (ze względu na symetrię
1
Na s tęp ni e
cp I [~ ']['"
\._
o o 2
o
R
() X12
X13
XJ'.!
Xz'.!
-··
X·r
Il'- I
x,;
X~:;
X3:;,
rl' = :,: o
:~
" ·iJ
~l
m ·- 1l r
f,
't" -:h 7l o o 1
4
cp
XI '.!
f,: I
l·- ·J 5
~I
:j.:
2 j
L
o () I
.
L
1
o
:::
:1 J
O·x 13 +! · xn + O·x1:i ::;() --> Xo • ::: (}
··'
G
_„
(H -l)T
X11 =--(j
~ cp
oraz
oraz nast<;pnic
o o
o
H R
O· X1 2 + l ·X22 + 0 ·0 = I -> X22 = I
2 · x11 + l·(- 6) -H) ł = I cp
O statecznie 3 · x1 2 + O· x22 +2· 0 = 0 -·) X1 2 = ()
a tak ż e
„ !... - 6
A - I == .•. J 4
1 :i J ·- -~
3
l~ozwiązanie
Przykład 1.16
a) B(AB)- 1 AK= B B-IA- 1A K = 111 1„K = K
S tosując metodę oznaczoną, rozwi<\zać układy równań:
b) (A+BA)(BA) - 1 --n- 1 =(A+BA)A- 1u- 1 - u- 1 =
=AA- 1u- 1 +n A A·- 1n-1 - n- 1 =
a) 4x + L6y + 8.:: ::.:: -12l
2x + I ly + l9 z = - 9
1
=n - +B n- 1 -B- 1 = Bn - 1 = I„ Sx + 22y + 2 l z: = -2 1 J
15y + ]? c
,:6)
Przykład 1.15 b) 9x +
Stosując metodę nieoznaczoną, rozwiązać układy równań: ISx + 29y + 22z -
12x + 22y + 26::
a) 2x + Jy + ,.
2y +
2y
z
4z
_n H. ozwiązan i e
~)
b) 4x + 6y + 2;: + 24
16 8
-12]=[" o 4 2
-3]
6x
2x
+
+
18y+ 9:: + 57
9y + 2 1:: + JO
[:
11 19
22 2 1 - 2 1
-- 9 2
5
3
°]['
o o l
2 l o o
5 - 1
-4
Rozw i ązan ie :\ L nT G La
a) Poniew aż Wobec tego, że GX = L e, więc
5
A=[~ 1 L=Ul
3 6
2
- 2 -4
or az
A-' =r: 2
3
I
-_j]
J
60 61
O· x + O· y+l · ;: =-4 -; z= -4
ę ., -711
r A;,,{N) =A;,(I:;) =A;, =A7 (AA 7 )- I =[ l
X=l 19
O ·x+ ł · y +5 ·;;=: - I -; y = 19 -- I
->
ęę -4J
· x+4 ·y +2 ·z=: - 3 --"> x=-7 1 I Przykład
Pod ać
1.18
takie rozwiązanie układ u równań
b) Ponieważ A jest macierzą symetryczną, więc
x+ y - z Il
y + " = 2J
[1~
12
15
29
22
A
12
22
26 . 16
61
L
4
r or
8 = 5 2 o
3
nT
()
o
o
5
2
()
R
4
-I21
3 . 3j
aby 3x 2 +2y 2 +z 2 = min.
Rozwiązanie
Przedstawiony w zadaniu warunek 3.( 2 + 2y 2 + =min, jaki mają speł
niać wyznaczane niewiadome, można także zapisać w następującej postaci:
z2
Zatem
RX=LR
y { 2 J[~]=X'NX=mi"
[3o 5
O·x +O · y + 3·z= 3
I!!
L_ __ o o
2
TJ r'l
~J ; = -~ -T
X NX
Je ś li rozwiązaniem układu AX = L ma być taki wektor X, że
• .
= mm. to
X = A;,(N)L
Jeśli wyzn aczymy uogólnioną odwrotność A;;.(N), uzyskamy 1
(<lc1(A N A ') "'0)
cp
O· x+2 · y+l·z=-l
8©
-) Y"" - 1
~ X=[-:]
3 ·x + 5 · y+4·! = 2 .1.
--"> x= I 2
Wobec tego
Rozwiązanie
62 63
Przykład 1.19 A 1 '-" (2 1]
Rozwiązać uklad równań A 2 = (4 2 2J
2x + 3y Ponieważ
AX =L
X + y +
.
{A N
-·I T ·- . T - _
A ) == (A A ) ~ - [
r -1
f. A 1A1 )
O
o -]I= r7; 01
I
gdzie 2
A ~:(N) - :: A T (A A T ) -
= A„, =[ :
X = Am(P)L = 0.222
[
- 0.259
0.037
0.185] [ 3 ]
O. I I I
0.704
[0.:8 Il [·z~i
? = 0.889 = .y
- 0.630
R oz wi ązanic
Ro'.l.Wi <\ Zanie m ukł adu równań AX = L , speł ni ającym wymaga.ny waru-
nek, jest wektor
X= A;;,(~ ) L = A;;,L
Przykład 1.20
·
( rnac1crz :\ ··111 w·y znaczono w 1>01>rzednim przykłu<lzie). Wobec tego
Obliczyć uogólnion ą odwrotność A~•(N) macierzy
A=t A,
- ]=r-II
) A,
I
o
2
Il
11 - )
A1 =
I O I]
[-- ł 2. r
Ponieważ z m acierzy A można uzyskać niezerowe podwyznaczniki dru-
/ 1
nego r zcdu i istnieje odwrotność (A M A f' • Wobec tego
·1'
1:,riego stopnia, więc R(A) = 2. Za te~ . macierz A E ~)I -.~ jest kolumnowo peł-
. - Lo 2 2J A 2 =lO 2 2)
wiec
Ponieważ, jak łatwo można sprn wdzić, /?{A 1) = 2 oraz istni~je (A 1N - I Ar }-I , -
Al(M l =(A T MA) - I A T Mr[ -~ ~l['
= II
2 ,][ ~ -:ir
\
~i ·[ o ~l[ ~ - ~ -:l
2
3
2
o o -ł } l[
oraz
Przyklad 1.24
Rozwiązać układ sprzecznych równań
X - y ··- 61
y
o] X + y ;J
w takj sp osób, aby
Rozwiązanie
Warunek postawiony w zadaniu
, ? 1 • T • 'T'
(.( - y-6) ~+()' - ,0-+(i+)' --S)- =-= mi n c-.> ( A X-L} ( AX - L) = V V =min
67
gdzie w taki sposób, a by
(A X- - L) T M (AX-L)=min
-
v = AX-L=
.i:-S··-61
_s· ~4 gdzie
[
x+y - 8
Hozw iązanie
Macierz A ~M} jest uogól nioną odwrotnośc i ą macierzy A w metodzie naj- Żądany warunek
mniejszych kwadratów. Ponieważ, j ak ł at wo można s prawdzić, /?(A)::: 2 , . - T - - T . -
więc istnieje odwrotność (ATA)„ 1• Zatem \ AX - L) M(AX-L) =V M V = min
s peł nia rozwi ąza nie
o
-·
A ł< l\1) = A1- =(A T A ) - I A T = ·c,I}· [ - 23 2 ~] X = A ~ M)L
Ponieważ A jest m acierz:\ k olumnowo pełnego rzędu R(A) = 2, A E 9(!.2 .
a n astęp n i e
więc
X + 7. = I ;
68 . El9
w taki sposób, aby
l'owracając do wektora niewiadomych, wyzn a czymy
• T •
(A X - L) M (A X - L) =min
gdzie
rl
I
io
o 01
o
~I
2
M "'
o 4
o o () I_j Trzecia n i ewiadoma przyjęła wartość równą zeru. Inne rozwiązanie uzy-
skamy, stosując uogólnioną odwrotność w metodzie najmniejszych kwadratów
Rozw i <1zanie 0 minimalnej normie, tzn. odwrotność A tiN (zobacz następne zadanie).
Rozwiąza n iem układu r6wnni'i A X == L o wskazanej w treści zadania wła
snoś':i jest w~ktor X_= A i(ivnL. Przykład 1.29
Wyznaczaj<\~ uogol~10n;\ odwr,otność Ai(M» warto zauważyć, że skoro Rozwiązać układ równań
R(A) = r ~ 2, WH;c macierz A e:: 9l'"3 nie jest kol umnowo pełnego rzędu. Po-
-~ )
X + ::
n ad lo d = m -- R(A) = !. Zal.em macierz A należy przedstawić w następującej
pos taci blokowej (A 1 c: 9\"·r. A 2 E 9\"·d) : - X y - 2::
~--:> AX = L
2x + )' + „ 5
A = [A I • A 1] =
·
lr
-!I
2
I - 2
O
l l -• A I =
!]
- lI
2
r 01l
I w taki s posób , aby
X + z I
I O
'---.-----'
r=2
- ""''
I l O (A X - L{ M(A X-L) =min
,Jeśli obliczymy
gdzie
(A{:VIA,)"-l = ··L[ 6 -. 7] = [ 0.063 -0.074]
95 ·- 7 24 - 0.074 0.253
u zyskamy
-0.074
0. 253 .
O
o
l
R ozwiązanie
{) : o W odróżni eniu od poprzedniego zadania, ża,da sir: tutaj takiego rozwiąza
Zatem nia układu AX = L, by nie tylko VTMV=(AX-L{M.(AX - L)=min, l ecz
także j(TX. =mio . Stawian e wymagania spełnia wek tor X o postaci (N = 13)
T - I T ]
I \ ·- - ( \ T'·lA)-
/ ( M) - i IV
ATM
I = (A 1 MA
... 1). .. ..A.1 M =
[
o
O.l !6 ·- 0.274 0.274 0.063] (A~IN = A~n '.I = A ~~), gdzie
= 0.032 0.653 0.347 - 0.074
[
{) o o o
70 71
Ponieważ gdzie
T [24 7] Q,~ =Arr MAz = ['1] 2 o
N = [~ ~]
Q 11 =A 1MA1= 7 6' I
M= O 4
[o o
Rozwiązani e
Ponieważ /?(A)= I. d = I. więc macierz A zapiszemy w nustępującej po-
0.001 -0.023 - 0.005 0.003] staci blokowej:
0.009 0.084 0.060 - 0.008
więc
-;1
Rozwiązaniem układu 1·ównarl A X ::: L, spełniającym określone w treści
zadania własności, jest X= A~ 1 NL, gdzie
O.OO I - 0.023 - 0.005 0 .003] =
0.0<)9 0.084 0.060 - 0.008
- . 0.088
X = AML = 0.060
[
0.344
0.035
~:~~~ -~:;~~:1[-~3] =[:::~~]=[;]z
0.028 - 0.309 - 0.025 0.046 I 0.316
Przykład 1.30
Rozwiązać układ równań
!~}
-2x - y
otrzymamy
2x + y
4x + 2y 10
<=> AX = L
t·
AMN =[l()] J
10 "600 -2
[ 2 4]-- .1-r-2 2 4J
60 -2 2 4
w taki s posób, aby
Zatem
• T •
(AX-L) M (AX - L) = rnin
• T •
X N X = mm
.
X=A~mL
• + =c,c) - 2
I [ -2 ~] [1~5]
22 '. • [··~)']
:::: [JIJ = ..
LO
72
73
Przykład 1.31 oraz
Rozwiązać układ równrn'i
X + 2Y + 3~: := 6
., 4]
") ~
~ .)
'
!
-x + )' = -4 i
2x y + -
~ 3 I
y + '· = -IO j
w taki sposób, aby były spełnione kryteria
-r ·· -T '
H10
-
-
=Q, 1N 10- + Q 10N oo =
- --
- [-0.940]
10.0 11
V MV "' min, X N X= min
gdzie:
3 o
r2 _;]
"j
I 2 I ()
M "''
o 4 -l ' N =l -l
3
)
o () - ! I
i l 2' 3 '
N„ r1 3 l"'l.~ 1 = 0.163
0.044 0.027 0.4 08 - 0 .124]
[~l/
~'i
0.069 -0.1 30 0. 058
A "" [A: Ao]"'I
t -„1
'· l ~
()
l
N=
N 12 N 22 _____
...._ -1 ...,.,, .__,__...
r
}d
[
0. 18l 0.080 0.03 3 0.0 09
I: l
...________ __.J..__:,
r d
Wobec powyższe go, osta t eczn ie
P on i eważ
" 6
0.044 0.027 0.408 -0.J 24 _ 2.625 X
-0.22211 - „ 4
·-
N12J_
-
. oo
N
-
0.778
·1
~
-0.33.)
1· - 0.3 33
0.500 '· 0.1_67 Jrr
·
X "" A i\IN L =
[
0.163 0.069 - O. l30
0. 18 J o.oso 0 .033
0.058
0.009
lr -1 0
3 =
[
0.770
l [·1
- 0.272 = ~
z
-·· L- 0.222 0.167 o.278.1 }d
~---·~---~ "----v----'
r d
71 75
lub
2. PROBABILISTYCZNE PODSTAWY
METOD WYRÓWNANIA P(-oo< X <+oo)= L Pi :: I
;~ 1
f
.\"")
Xj
'" P1
r
T.
p,
Pn .< P(.t, < X<x,)= fJ{.t)dx
~--'---~-----x
-<1 X~ .T3 „. x„ O I ·'•
1' i
reszka orzd
Rys. 2. 1
77
76
,Jeśli zmienna losowa przyjmuje wartości tylko z pewnego przedziału Jeśli zmienna losowa przyjmuje wartości tylko z pewnego przedzi ał u
sk01kzonego (a, b). to
skończoneg:o
•-'
(a, b).· to takie F (x)(· .t<u =O. F (x)I•X >I> =l
;,
P(-<><> <X <+oo)= P(a::; X::: b) = f /(x)dx =I
Na podstawie dystrybuanty F ( x). p rawdopodobieństwo, że ci<.1gla zmienn a
losowa X przyjm uje wartości x 1 <X< x2 • można obliczyć ze wzo1·u (rys. 2.4)
" .\'")
F(r)
.r, b
I „.„... - . „ ·-· . „ .. „„._...„. _ _ __
"
0.9 Hys.2.•I
0.5
0.2 -ć
.'
Funkcja z miennej losowej X
---J'--o-----~---- x
0 .l' 1 .\'! X,_ .\'-4 X~ il
.J eże li Y =<p( X ) jest jednoznacznym pr zekształce niem zmiennej losowej
i mienna skokowa zmienna c i~gła X , t o }'jest także z mi e nn ą l o sową. RozkJad tej zmiennej jes t tworzony na
Rys. 2 .3 podstawie rozkła du prawd op o do bie ństwa zm ie nnej X.
78 79
Rozldad zmiennej losowej Y typu skokowego tworzy się po obliczeniu 2.1.2. Niektóre rozkłady zmiennych losowyc h
wartościzmiennej Y na podstawie funkcji Y == qi(X), natomiast p1·awdopo-
dobieństwa pozostają bez zmian, tzn. Rozkład zero-jedynkowy (0-1)
Przyjmijmy, że zmienna losowa może p1·zyhi ernć tylko dwie wartości x 1, x 2
Y=<p(X) Y i Y1 ! Y2 i · i Y11
· · ·····=··;--i---:--r.:::-r-·-····r
„ z prawdopodobieństwami P( X = x 1) "' 11, P( X = x 2 ) = p
-> . „ „ •.
Py - l X I Pl 1 1'2 ; · „ Pu
_x .j x1 ~ L:.~
Rozkład zmiennej losowej Y typu ciągłego można opisać następującą (q+p= l)
Pi I q I Jl
funkcją gęstości (przy założeniu, że 'P ma różniczkowalną funkcję odwrotną 1p,
tj. y=qJ(X) =:> X=ljf(y)) Taki rozldad jest nazywany rozkładem dwupunktowym (zmienna ma rozkład
(2.6) jednop unktowy, jeśli istnieje taki punkt x 0 , że P(X = x0 ) = 1 ).
Przyjm ując x c.o O, x 2 "" 1, uzyskuje s ię rozkła d
gdzie: 1
g - funkcja gęstości nowej zmiennej Y, f- funkcja gęstości zmiennej X.
X O 1
Kompozycja rozkładów prawdopodobieństw Pi q P
Jest to rozkład prawdopodobieństwa sumy niezależnych zmiennych lo-
sowych. Niech np. X i Y są zmiennymi skokowymi o następujących rozkła nazywany ro zkładem zero-j edynkowym (0-1 ) .
dach prawdopodobieństw:
Rozkład dwumianowy
Jeśli zmienne X; mają jednakowe rozkłady (Q. 1), t o zmienna los owa r;,
_'.~-l. . .·:.1..... .l. .~~~ri :.:„:L.:~'--
Px j P.< 1 IP x1 „ · I Px„ '
Wówczas rozkład prnwdopodobieiistwa (kompozycja) zmiennej losowej ma rozkład dwumianowy. Rozkład ten , stanowiący kompozycję rozkł adów
z== X+ y ma postać C" symbol kompozycji) zero-jedynkowych , je~t okreś l ony wzorem (Bernoulliego}
X I x1 j x2
l;x-ri;::--1 lr~~
[ . ..
~!,;~-
I x 11
-Y
Py
I
IP
! Y2
YI --~
YJ I P Y2
F··~m -- =
P Ym
k ::=(), 1, „„ n (2 .8)
, ·" I ·"t. , I •"n „ ·
gdzie
,„ = ·- ·----·-----
ck
n!
·
(11 - k) !k !
-~-~J -~
X1 I O ' l
f.._(z) = Jfx(x)fy(z.-x)dx= Jf.rC z-y)fy(y)dy Pi i-· lf i P Pi i Cf
+--P
(2.7) 1
80 81
Można sprawdzi ć, że istotnie Dystrybuantę zmiennej losowej o rozkładzie równomiernym można
przedstawić w postaci (rys. 2.5)
. „2 2
P(Yt") "" O) = C0 q /J
o ~-= ·-----
2! 1
q "'o
2
.- . 2!0! -
o
I
dla X< a
.\" ;(
x- a
F (x) = J! (x)di: =J ---·-l dx =--·- dla xe< a.h > ( 2.10)
b -a b - 11
l "
I
a
d la x > /J
Rozkład normalny
H ozk ład
r ó wnomierny (inaczej jednostajny lub prost okątny )
S tarid a rd owy rozk ład normaln,y
Zmienna losowa t.ypu ci~1gl ego m a roz kł ad równomierny wówczas, gdy C iągł a zmienn a losowa X ma taki rozkł ad wówczas, gdy jej funk cję gę
jej funkcja gę sto śc i ma pos ta ć (rys. 2.5i s tości można przedstawić w postaci (rys. 2.6)
(c >O). Ponieważ (na podstawie wa run ku, jaki musi spełn iać funkcja gcsto-
ś ci ) XE (-oo,=)
natomiast dystrybua nta ma postać (rys. 2.6)
-f-«n iJ />
r:./ '
A~ lex{-· -~ }lx
Jf (x) dx "'J f(x) dx =: J c dx"" 1 -> (/
= I 2
(/ li F (x) =
więc
/{x)
funkcja g~s tości
(~ = -·-··-·-·· 0.4
b --- (1
_fr_____
,_.______
() li /1 X
Il
o x, x, ---------....-.....:c
\- )
_ ) P(x, < X<x,)
/•(x} - ---„.„ ..„„_ . __
„.
dystryhua:a „ „ . . ~ ·-·········- ~
; ,...„.
F(~,) I F(x,) ,
Rys. 2.5
Rys. 2.6
82 83
Wartości dyst1·ybuanty F(x) lub funkcji Zatem
. I
i/J(x) = "J"2~· cxp - I l
X [
x-
2
?
dx
N[a;
Przekształcenie
N[a;a] u=O. o-=l > N[O; l]
=
l
Jexp ---;--.c-~
..j-··
2n
.t}
-~
[ l
dx·-~
..f2n
l
J cxpl----2 XJ
·-~·
( x-? l dx=
(2.12)
(2.13)
Rys. 2.7
2
/(x)= - l --cxp[ --~-
(x-u) ]
XE (-oo, oo) (2.14)
afu 2a 2 '
przy czym dla każd e go i = I ,. ..J zmienne losowe ;c1 maj <\ standardowe roz-
kłady normalne (x1 - N[O; I]) i są wzajemnie ni e zale żne. Liczbę f określ a się
gdzie a i a> O są parametrami rozkładu (konkretna interpretacja tych pa-
rametrów będzie omówiona w dalszej części podręc znika). Ogólny rozkład mianem lic zby stopni swobody.
normalny o parametrach a i <Y będziemy oznaczali krótko przez Nfa; a]. Uwaga : jeśli X- N[O; !], to x2 ma roz kład gamma.
Przcdstawi?ny wcześniej standardowy rozkład normalny jest s zczegól- Do celów pra kty c z nych są tab licowane wai-to śc i x2 , dl a któ rych
nym przypadkiem rozkładu ogólnego. Jeśli a= O, a = 1 to > x2 ) = ll (tab. Il). Wobec tego, jeśli F ( x 2 ) = P( xJ < x 2 ) jest dys trybu-
P(-,t J
2
antą zmiennej los owej o rozkładzie x}. to (rys . 2.8 )
2
/(x)= l
r;;-cxp [ ----;;;-- 1
(x-a) ] = -·cxp(- -x )
O""l/2lt ia- ..J2;. 2 (2 . 16)
84 85
ma ro zkład Studenta o / stopni ach swobody. Do celów prakt ycznych tablico-
wa n e są wartości t , dla których P(jT1J > t (tab. III). Wobec tego, jeśli
)=n
F (t) = P(Tf < t ). to (rys. 2.9)
Uwaga: jeśli /> 30, to rozkład Studenta można z wy starc zającą d okładno
ścią zastą pić rozkładem normalnym N [O; 1).
TJ :: ~,; - = -H·~·2_· -
' I ""'
f L.t xr
' „,, X f wartość oczekiwana: E (X) wariancja:
;„-j
li Il
2
E (X) = L XiPi +- zmienna skokowa -> V(X) = _2:[:ci - E(X)] Pi
i= l i=l
+oo + oo
ciągła -
2
E(X) = Jx((x)dx +-zmienna V(X) = f[x - E(X)] f(x)dx
-oo
odchylenie standardowe
ax = .Jvfx)
Ry:;. 2.9
86. 87
Własności wartości oczekiwanej: Momenty ft-tego rzędu
1. E(c) = c, c - stała E[(X ·-c)k)
2. E(cx) = cE(X ),
:~. ± Y) =E(X)± E(Y),
E(X c =~ ~( .l()
4. E(X · Y ) = E(X) · E(Y), gdy X i Y są niezależne.
momenty zwyczajne momenty centralne
Własności wariancji:
1. V(c) =O, mk '=' E ( Xk) .ui.: = E{r x --E<X)Jk}
2 . V(c X) = c 2 V(,'(),
3. V ( X ± Y) = V(X) + V(Y), gdy X i Y są niezal eż n e. k == 1. k_:_l
m 1 =E(X) µ 1 = E[X - EC\') ]= E(X) -- EL'() = O
Jeś li X 1, X?,···· X 1 są zmiennymi losowymi wzajemnie niezależnymi
o wariancjach- V(X 1), V(X 2 ), ... , V(X„) oraz Z = tp(X,, X2 , .. „ X„) =tp(X) jest k =2 k = 2
funkcją różniczkowalną, to m 2 = E(X2 ) 1-1
2
= ·Ó[X - E(,\') ] 2 } =E(X2) - E2(.X) =
oip )?..
= m2 - mr = V(X)
V(Z) =(„ax,
...„.„]
()1p ?- ()cp -? (
V(X 1)+( ·--······ ) V(X 2 )+ ... + ··--··--
ax 2 ax„ V(X„) (2.18) k = :ł
µ 3 = El[X - E(,'()] 3 }
lub
k = 11
(2.19) ,11,1 = E ([X - E(,\Jl11
gdzie:
Na podstawie mome ntów .li-, , .u3 , m.1 można wyznaczyć współczynniki
JM
o
["/~„L,~
-·-· ··-~ .
;;; l}l ...__ :
'i
Uwaga: uogólnienie powyższych wzorów podano w rozdz. 4.
.„ ... „„.~
Momenty ---~-------
,{
Momenty s tanowią szeroki zbiór parametrów opisowych zmiennej loso-
llys. 2 .10
wej (elementami tego zbioru są także omówione wcz eśniej parametry pod-
stawowe). Momenty k-tego rzędu definiuje wyrażenie E[(X -cl I o przed-
stawionych poniżej przypadkach szczególnych.
88 . 89
P(X - x.. Y " >;)
2.2. Zmienne losowe dwuwymiarowe
,Je ś li X 1, X 2 , „ .. X11 są zmiennymi losowymi , to wektor
punki
j est wekt orem losowym lub, nazywając inaczej, 11 - wy m.iaro wą zmie n.rn' łosow;1 n łosl)wych wspólr1c.;.dnych (x,. y,}
(lub łącz ną zmicnn;' l o sow ą). W zagadni eni ach geodezyjnych każ dy wynik Rys. 2.11
pomia r u może być traktowa ny jako oddzielna zmienna losowa. Zazwyczaj
opracowuje się zbiory wi el u obse rwacji ( np. w problemach wy równawczych). Rozkład prawdopodobieństw a zmiennej skokowej (X, więc zbiór
Y), a
Na ogó ł m a m y więc do czyni e ni a z w i elowymi arową z mienn ą l osową. wartości prawdopodobielistw Pij· i = l, . „ ,11, j !„.„ m, = można równi eż
Zm ie nne losowe wielowymiarowe możn a umow nie podz i e li ć (podobnie przedstawiać w postaci tabelaryczn ej, np.
jak zmienn e jednowymiarowe) na zm ienne t:ypu s kokowego i zmie nne cią
głe. Szczególnym przypad k iem z miennej losow ej n-wymiarowej jest zmie n -
n a dwuwymiarowa (X, Y), tzn.
~ Y1 Y2 Ym
11::.:2
- - -> X2 P21 P 22
LLPij"'l
lub przelicza lnych zb iorów, tzn. X=x 1,x2 „ .. ,x„. Y::.:y 1, y 2 , „.,y111 • Pun k t i r. l}•d
o ws półrzędnych (x,. _1) jest pu nktem skokowym zmi e 1mąj losowej (X, )').
Prawdopodobicóstwo, że zmienna losowa (X, Y) przyjmie p an~ w artoś ci Dwuwymiarowa zmienna losowa (X, Y) jest typu ciągłego wów-
(x,, y). za piszemy w postaci (rys. 2 .11) czas, gdy dl a zmiennych losowych X i Y, przyjmuj ących wa rtości rzeczywi-
s te, istnieje t a ka nieujemna i całkowa lna funkcj a f (x, y), .że
P ( X = xi , Y ""Y j)=Pij (2.20)
-ł""-too
przy czym
n m
P(-oo< X< +<><>, -oo< Y <+oo)= ff j(x, y)dx dy= I (2.21)
lub P(~< X<+<->, ·- < Y <-i-<>',) =00 I, I.Pij = l P(-oo< X< +oo, -oo < Y <+<><>) = P (a.c <X <b.<> a y < Y < b y)=
' "' ' j= ! '1.rl'y
gdy zmienne X
przeliczal n ych.
}' p rzyj m ują wa rtości ze zbiorów nicskoliczon ych , lecz =ff f( x, y)dxdy = I
91
Ponadto dla x 1 < x 2 i y 1 < y 2 zachodzi Jeśli F(x, y) jest ciągła w punkcie (x, y), to
.\'')\„, 2
() F(x, y)
P(.r1 <X< x2 • y 1 < Y < y 2 ) =ff f(x,y)cixdy
f(x,y)= -···- --
oxdy
(2.23)
X( Yt
Aby F(x, y) by ła dystrybuant~, potrzeba wystar cza, aby wykazyv-1ata
(przypom nijmy, że geo m etryczną interpretacją podwójnej całki oznaczonej następujące własności :
jest objętość). Funkcję j{x, y ) nazywamy funkcją gęstości zmiennej losowej i) by ł a niemalejąca;
(X, Y), r ys. 2.12. ii) była przynajmniej lewostronnie ciągła;
ii i) przyjmowała wartości:
j(x, y)
y ·->'1-<->
()
(a)" by), to także
l
dJa X< a,
F(x,y)= O dla y<ay
y
j(x. y) 1 dla x>bx,y>b,,;
""-"-..
zmienna skokowa zmienn a ciągła
.< y
F(x, y) = LL Pij
F(x, y) = J Jf (x , y)dxdy
X;<xyj<Y
- (;oo.)+1;.;:,
Hys. 2.l:l
92 93
Rozkłady brzegowe i warunko'We .ZniJ~n1t<Ll.XJ') tvmL~i_:;utl~1m
Zmienną_fY~Yl tvpu s kokowe_gn Rozkłady brzegowe zmiennej (X, }') ciągłej określ ają brzegowe funkcje
gęstości
Rozk łady brzegowe
zmiennej X zmiennej Y 11,. b,
m 1 li )
fx (x) = Jf(x. y) dy fy(y)= f f(x.y)dx (2.27)
/>(X = x, ) = I, P;; = P;.1 1
P( y = 'J
,. . ·) = .L.
""' I' I} =
„
•I> • j . )
(2.25)
"y
j=l..„ . 111
lub brzegowe dystrybuanty
b._. b„ \'
JJf(x, y) dxdy
X
,Jeśli jest dany następuj<\CY rozkład prawdopodobieństwa zmiennej (Y, .\) Fx (x) = JJf (x. y)rb:dy Fr (y) = (2.28)
~I
ll.(fl,,
V
• l
Rozkł ady warnnkowe zmiennej c iągłej (X, Y) określają na stę puj<:1ce funkcj e
gęstości:
- funkcja gostoś ci zmiennej X, pod warunkiem że Y '= y
f(x,y)
f (xl y) =----------- (2.29)
. Ji-(.r)
f (x, y)
f(yl x) "' ·----:-· (2.30)
lx (x)
.Jeśli zmienne ciągłe X i Y są ni eza leżne, to
to rozkłady brzegowe z miennych X i Y m<>żna przedstawić w p ostaci
f(xly)~~fx(x)l
f (x . y) = fx (x)fr (y)
f(ylx) -"'fi- (y)j
l mu = E(Xkyl}J [ ,-::;=
momenty centralne
E{(X --E(X))k(Y-E(Yi~)
i=l.„„n
p. j . p;.
;= l.„„111 )
(2.26)
L„ . -
·---~
94 . 95
k=I,!=0
k =0, l =l
mi.o=E(X)
m 0_1 = E(Y)
k=I, /=O
k =O, t= l
J•1.o = E{[X -E(X)J} =O
µCJ.1 = E{[Y- E(Y)] =O r
k =I. I= l mu= E(XY) k =I, l = 1 !'1.1 = E{ [X - E(X )l[Y - E(Y)j} = co1•(X. Y)
I „ .(
2
k = 2, l =o m2.o = E(X2) k = 2, l =O µ3.o=lo"([X-E(XJJ J=V(X) ! \' .
Współczynnik korelacji
2.3. Wielowymiarowe zmienne losowe
Miarą zależności liniowej między zmiennymi losowymi X i y jest współ
Wielowymiarową zmicnn<.\ losową (X1 , X 2 , •• „ X) jest wygodnie, o czym była
czynnik korelacji wyrażany wzorem
już mowa, przedstawiać w postaci wektora losowego X = [X 1, X 2, .• •, x,Jr .
Wszystkie problemy omówione w poprzednim podrozdziale (zmienne dwu-
cov(X, Y) cov(X ,Y)
pX y = --··-·······-·-·· = ------· (2.31) wymiarowe) odnosz~' się także, po odpowiednich uogólnieniach, do wektora X.
·· a xar jv( X) vcr)" Szczególną rolę w praktycznych zastosowaniach wielowymiarowych zmien-
nych losowych odgrywają jednak parametry opisowe.
Współczynnik Px,r może przyjmować wartości tylko z przedziału (-1. 1).
Na przykład jeśli Y~' a.X, to {dla a> O) Parametry opisow e wektora X
Px r
= cov(X,Y)
jV(X)VC6-
_ E([X - E(X)][Y-E(Y)))
~E{[X-E(X)] 2 }E[-[Y ~ E(Y)]2}
E([X -E(X)][aX - E(aX)]}
momenty zwyc zajn e
wektor
pierwszego r z ędu
wartości oczekiwanych
/ momenty centr a lne
drngicgo rz ędu
Dla a < O, Px,r "' ·-1 (poglądową interpretację tych wartości przedstawio-
no na rys. 2.14)
96
97
MaciCl'Z kowariancji l\!Iacicn: korelacyjna jest Px m ucic r :i:q o nustępująccj s truktur :i:c:
J est to macierz o n:istępującej postaci:
=[Px'.x~
Cx = E ( [X- E(X )j( X - E(X)J°' } ::: Pxi.Xi Px 1.x 11 l
!I
l Px 2.x„
Px .. .
Pxn.Xi Px„.x 2 I
I
J
Mię d zy macierzami Cx i Px zachodzi rela cja:
(2.32)
l
V ( X 1) nw(X 1 , X 2 ) ':·ov( X I• X 11 ) ]
cov(X :i. . X 1) \I( X'.!) u n ( X 2 , X 11 ) (2.33)
== cov(~·,:, X 1
) cov( X 11 , X 2 ) V(X„)
Uwaga: n-wymiarowy rozkład norma lny o wektorze wartości
E(X ) "'"' µ i macierzy kowariancji Cx będzi em y dalej zapisywal i jako
oczekiwanych
N 11 jµ :Cxl-
Pon i ewa i.
Grafi c zną i nterpre ta cję fu nkcji gęs t ości roz kładu normalnego dla n °= 2
przedstawiono nu rys. 2.15.
wiQc Cx jest mac icrZl\ symetryczną. Ze wzglr;d u na s trukturę (wariancje na
przekątnej , kowariancje poza prze kątn ą) macierz Cx jest nazyw ana czr.:sto
m acie rzą w a riancyjno-kowariancyjną.
Je ś li ..\'1, X2, •. „ X11 są zmiennymi losowymi wzajemni e nieza le ż nymi, to
I"',,
Vi.j : cov{X;. x 1 ) :::: O
i stąd Cx jest macierz~\ di agonalm\ (macierz<\ wariancyjm\ Vx), czyli
E(>)
y xo:o(- oo.+<e)
)'E( - m,ł-"-' }
Rys. 2. 15
98 99
Włas noś ci: (2.38)
E( XT B X)= T r(B C x ) + µ TBµ
ii)J'eśli C X -- Diag("'
V J
2
I • •. ) a Il2 ) to
t
lu b
X1 - Nfµ i=E(X;);cr;l. i = l,2, „„11 . E( X T BX) = R(H Cx)=k
11 11
b ) Niech X - N11 [µ; Cx] oraz Y = DX, gdzie DE ':J\ • jest m a cier z<i nieoso- gdy nµ= o (j ak zazwyczaj w k lasyczn ych p roblema ch wyrówna wczych).
bliwą. Wówczas
2. N iech X będz i e we ktorem losowym o macierzy kowariancji Cx i diago-
na lnej m acier zy wspó łc zyn ni kó w ekscesu y = Diag(y 1• y2 „ .. , y~)- Wariancja
fo r my kwad ratowej x r Il X m a wówczas postać
c) Niech X - N,,,[µ; Cx l oraz Y = DX, g d z ie I) E 9\"·"' jest maci erzą o rzę
dzie R( D) =n. Wówczas
X r X- X17).•
' T
A. = i1 µ
2.4. Formy kwadratowe wektorów losowych*
Jeśli }. :::: o, to rozkłady :d:
i xJ-.). St\ równoważ ne. Niecentralny rozkład
Form ą k wadratow<i we ktor a X na zywamy wyrażenie xr u X, gd zie n
xJ-.
.>. opisa ny jest m.in. w pracy H AO (1982).
jes t mac i e rzą symetryczną (m acierzą formy kwadratowej). Wniosek. Jeśli X- N 11 [0; I„] =:-A. = µ 1' µ = O.to X T X -Xf2 ""
1. Niech X będzi e wektorem losowym o wartoś ci oczekiwanej E(X ) = µ i ma-
2. Jeśli X - N 11 [µ ; I n I oraz B E 9"("·" jest macierzą idempotentną o rzę dzie
cierzy kowari ancji Cx. Wartość oczekiwa n a formy k wa dra towej xr B X
R(H) ~_, k, to
ma wówczas postać (np. SONG-GUI, SHEIN·CHUNG 1994, HAO 1982):
.,. ?
X BX- X.[.;. •
• Na pod~tawic m. iu. S0Nc-Gu1, Sm:JN·CHUNG ( 199'1)
100 101
\Vniosek 1. Jeśli X - N „{µ ; I„ 1 oraz n E 9\ 11 ·" jest t:.ikc1 macierzą idempo- Zatem
tent ną o rzędzie R(U ) '~ k, że Bil "= O, to XTB X - z(
(o dla x < -!
Wniosek 2. Jeśli X - N „[O; I „ J oraz B E ')1"·11 jest macierz<\ idempotentną
o rzęd zie R(B) =k, t o XTB X - zi. f(x) = i~x 2
dla xe (-1,2)
() dla X> 2
3. Jeśli X - N 11 [µ : Cx ]. to lRAo 1982)
W celu ustalenia postaci dystrybuanty, zapiszemy:
i. ::: µ T Bµ, / = T r(BC.x)
.\' _':
wtedy i ty lko wtedy, gdy Cx BCx BCx = C\ BCx lub (jeśli macierz Cx nic
jes t os ob l.iwal HC.xB = B.
F (x) = f j( x )dx = f~x t!x. 1
-I
Wniosek. ,Je ś li
X - N 11 jµ : C x], to oraz po uzup eł nien iu
Xr B X - A.. ,. I:; . I.. pr;,y ,\. "' µ r Bµ . f = T r (B Cx ). gdy jest spełn iony
któ ryś z wa runk ów: ro dla x<-l
a) B Cx jest mac ierzą idcmpotentnq, przy czym R(B) =~ 1;
b) Cx B jes t macierzą idempotentm1,
F(x) ol!(h1) dla XE(- 1. 2)
dla x>2
c) Cx jest g-o dw ro tno śc:ią macierzy B.
\Vzaj cmna nieza l eżnoś ć form kwadratowych W celu sprawdzenia , czy ustalona funkcja F (x) spełnia wła sn ości dystry-
1. .Je ś li X - N,,[µ: Cx J oraz B s 91"·" jest ma c i erzą sy m e tryczn ą , to A X buanty, obliczamy F(:'C)11 =J_[( - 1)~ +I] = O. F(x)] __1_, = l (8+1) =1. Funk-
x=="=-- 1 9 ·x- J- - i:_,
x r B X są wielkościami niezal eżnymi , gdy l
cja F(x) = (x'.\ + I) jest ponadto funkcją ciągłą i niemal ejącą (Vx 2 > x 1 :
F(x2 ) <:'. F(x1 )) .
Przykład 2.2
2 . J<:ś li X - N„[i1; CxJ oraz B 1. B 2 e 9\ 11 • 11 są macierzami syrnct r·ycznymi , to
formy kwadratowe xrB 1X oraz x r B 2X są niezależne, gdy Funkcja gc;st ości zmiennej losowej X p rzyjm ującej wartości tylko z prze-
działu (2, 6) m a postać f (x) = i~ x. Obliczyć P(3 < X < 5). To samo zadan ie
rozwiązać z zastosowan iem dystrybuanty. Przedstawić 1:.rraficzną interpreta-
cję uzyskanych wyników.
Przykłady Rozwiąza n ie
Szu kan e p rawdopodob i eńs two P(3 < X < 5) można obliczyć w n astę puj ą
Przyldad 2 .1 cy sposób:
Zmienna losowa X pr zyjm uje wartości tylko z przedział u {-1. 2) . Funk- 5
,(') 5
cja gc;stości ma w tym pr zedzia le postać j (x) = o 2 . Wyz naczyć wartość c
oraz ustalić posta<: dys t:1·ybuanty. P(x 1 < X < x 2 ) = f f( x)<Lr = f-/6 xdx = ·J'2 x 2
1 =~2 (25 -9) = ~~
.t1 3 3
Rozwiązanie
Prawdopodobień stwo interesującego na s zdarzenia można także wyzna -
Gdy wyznaczy my w a r tość c, uzys kamy
czyć na pods tawie dys trybuanty. Usta l ając jej postać, uzys kujemy
2 2
f f ( x)dx "" I. Jcx 2
ffr ::: I,
"" '·
--) c "' 1.
- ~
.t'
F(:r)= J !(x)dx=
.t
f/c;xdx= Ax2 j
2
= :/2 (x - 4)
-·I -I a 2 2
102 103
Zatem po uzup ełnieniu
Ponadto F (<:) = O dla <: < -3 oraz F(L) = I dla <: > 6.
b) Na podstawie wyznaczonej wcześniej dystrybuanty F(G), obliczamy praw-
dla X< 2
dopodobie1istwo interesuj;:i.cego nas zdarzenia:
dla xe(2,6}
d(a X> 6 P(I < t: < 4) = f(4} - F (I) =0.498-0.216 = 0.282
Wówczas P(3 <X<5) = F(5)-F(3)=-j2 (25 -4)- :A· (9-4)=ł· Graficzną in- Przykład 2.4
terpretację zadania przedstawia rys. 2.16. Zmienna losowa X ma następujący rozkład prawdopodobieństwa
X I -2 I o i 3 ! 4
- „··-----t---=---- -- •·······-
P; I 0.2 i O. I ! 0.3 ! 0.4
Ustalić roz kłady prawdopodobieristw zmienn ych: Y = 3X, Z = X2 .
:X Rozwiązani e
Y
1
j -6 ! O ' 9 i I2
·······+- -·„i··„„-._.;.._.„ ' z:
„-„· o i 9 I 16
! 4;„,.J „„--;-·„-·:·-·1---„:„
Pi I 0.2 I O. I I 0.3 ! 0.4 P; : o._ j 0. 1 1 o.3 0.4
Przykład 2.5
Zmienne losowe X i Y mają następujące rozkłady:
.r
o 2 6
Rys. 2.16 X !o I ' Y j Oi I
i~;--rą-r;; · Py ·1·;1-1·;1
Przykład 2.3
Losowe błędy t: wyników pomiaru długości mogą przyjmować wartości Wyznaczyć rozkład zmiennej Z =X+ Y.
tylko z przedziału {-3 (nun), +6 (mm>). Rozkład prawdopodobieństwa tych błę
dów opisuje następująca funkcja gęstości: Rozw i ązanie
u ~ ~ Pz i q· i 2pq q·
3
= ...iJ(t.:
ll7l 3 +4e)-<-9-12)] = „J_(E.3.3_+4t:+ 21)
117
104 105
Przykład 2.6
b) P(X >I) = 1-F(I) = I -{0.5+t;i(I)} = 0.5-9(1) = 0.5-0.3·1 I J = 0. l 5S7
Prawdopodobieństwo popełnienia błcdu grubego w pojedynczym pomia- (rys. 2. 18)
rze wynosi p ::: 0.2. Obliczyć prawdopodobi e11stwa, że:
a) na pięć wykonanych pomiarów ani jeden nic będzie obarczony błęd em .l. / (.r)
grubym,
b } na cztery wykonane pomiary co najmniej jeden będzie obarczony błędem
0.3413 (z 1abclil.
grubym.
Rozwiązanie
a) Pojawienie się błędu grubego jest w tym zadaniu zmienną losową o roz-
kładzie dwumianowym , przy czym 11 = 5 oraz q ::: 0.8, p ::: 0.2 (p - prawdo- o l
~i:Jc::).)_'.'JI 5 ··· O.Y1l.3
p odobieństwo pojawienia się błędu grubego w pojedynczym pomiarze,
a więc w naszym zadaniu, prawdopodobieństwo sukcesu). Prawdopodo- I~----=()?'----~~-
Rys. 2.18
bic11stwo, że na 5 pom iarów ani jeden nie będzie obarczony błędem gru-
bym jest zatem równe P(Y5 =O)::: c3ą 5 po = 0.8 5 = 0.33. c) P(0.5 <X < 2) = F(2}- F(0.5) = \(1(2} -.p(0.5) =0.4772-0. 1915 = 0.2857
b) Pojawienie się błędu grubego w którymś z czterech wyników pomiaru ma
(rys. 2. 19)
również i tutaj rozklad dwumianowy, lecz o n= 4 (q"' 0.8, p = 0.2). Prawdo-
podobieństwo zdarzenia, po l egającego na lym, że na 4 wykonane pomiary }lx)
P{(Y4 =I )u (Y,1 = 2)u (Y.1 = 3)u (r:1 ""'I)} ::: I - P(Y. 1 °= O),,, 1-0.32768 = 0.67
Przykład 2.7
Zmienn a losowa X ma rozk ła d normalny N[O; I] (standardowy). Usta li ć
wartości prawdopodobieństw: 0.5 2
a) P(X < 0.4), _!'!Jl
: 9 (2)
b) P()( > l). 1--~.-'----:
[ 9(2) - 9(0 _~
c) P(0.5 < X < 2).
Rys. 2.19
Rozwi ązanic
Rozw i ązuj ąc to zadanie, należy skorzystać z tab. I zawierającej wartośc i Przykład 2.8
funkcji '{l(x). Zmienna losowa X ma rozkład nonnalny N [O; l]. Wyznaczyć:
a) P( X < 0.4) = F(0.4) = 0.5 +<fl(0.4) = 0.5 +0. 1554 = 0.6554 (rys. 2.17). a ) P(X < - 0.7).
b) PQX I < I),
1/(.t) c) P(jXj > 1.5).
Rozwi ązanie
a} P(X < - 0.7) = P(X > 0.7) = 0.5-<{J(0.7) = 0.5--0.2580 = 0.2420 (rys. 2.20)
c) P(IX! > 1.5) = P{(X < - l.S) v (X > 1.5}= 2P(X > 1.5) = 2{0.5 - ę(l.5)} =
= 2 (0.5 - 0.4332) == 0. 1336 (rys. 2.22)
106 107
a) Ponieważ X - N[J ; 2], więc warto~ci x = 4 odpowiada wartość
/ = --
x-a 4-3
: : : --
[).
::;; .)
a 2
zmiennej losowej 1'- N(O; l l. Wówczas (rys. 2.23)
P(X < 4) = PCf <f).5) = F(0.5) = 0.5+ą>(0.5) = 0.5+ 0.19 15 = 0.6915
Jlx)
Rys. 2.20
)(x)
~_l_)_J
- I
- 7'-N[O; I J
Hys. 2.2 1
Rys. 2.2:l
j (x)
b) ?(3 .5 <X< 5) = P(r1 < T < 12 ) . W wyniku standaryzacji
(dla x 1 "' 3.5, x 2 "" 5), uzyskuje się
X? -a 5- 3
I.,= --- --= --·· =!
- a 2
Wobec t ego (rys. 2. 24)
P(3.5 <X< 5) = P (0.25 < '1'< 1) = F (l)- F(0.25) = ~?(l) -ip(0.25) = 0.2426
1.5
Rys. 2.22 l J(.<)
Przykł a d 2.9
Zmierurn losowa X ma rozkład normalny N[3; 2]. Wyznaczyć:
a) P(X < 4),
h) P(3.5 < X < 5).
Rozwiązanie
a a
108 109
Pr•zykład 2.10
Błąd pomiaru i: jest zmienną losową o rnzkładzieN[O; 1.5]. Obliczyć
prawdop odob ieństwo, że spośród 6 takich błędów co najmniej 5 będzie miało
wartość be zwzględną mniejszą od 2o-.
Rozwi<\Zanie
Nie ch l'1„) (n'~ 6) będzie liczb.n. błędów pomiaru s pełniających warunek
zadania, tzn. takich błędów, że it:J < 20" przy r:r = l .5. Zmienna Y(i>l ma rnz-
klad dwumianowy, przy czym:
s ukces: !t:l <'.!a z prawdopodobieństwem p :~ P((E\ < 2<T) Hys. 2.25
b) P(Y < 7.81) "' P(X}":i < 7.8 l) = I -P(X J =3 > 7.8 1) =: I - 0.05 =0.95 lf„'
c) P(l.00 < l' < 4.64) ~~ P(l.00 < XJ ~3 < 4.64) =P(X}=J > I)+
Ry~. 2.26
- P<x},,,:; > 4.64) =0.80- 0.20 = 0.60 (rys. 2.25)
lll
110
Przykład 2.13 Wyzn a czaj ąc odchylenie s tanda rdowe zmiennej X, uzyskamy
Zmienna losowa X ma następujący rozkład:
<Yx = JV( X) = 1.1 4.
Przykład 2.14
Zmienna losowa Yc„J ma rozkład dwumi a n owy o /1 == 4 oraz Jl "" 0.3,
Wyznaczyć: q = 0.7. Obliczyć:
a) wartość oczekiwaną, a) wartość oczekiwam\,
b) wariancję i odchylenie s tandardowe. b) wariancję.
Rozwiązanie Rozwiązani e
a) Po wyznaczeniu wartości oczekiwanej, uzyskamy (rys. 2.27) Zmienna losowa Y(„) jest sumą
li
\,,
!"
-jedynkowym zachodzi: E(X;) = p, V(X) "' qp. Wobec tego
I
-I
0.2
!°"'
o •
t
2
. .<
a) E(Y(„i) == E(X 1 + X2 + ... + X„) = E(X1 )+ E(X2)+ ... + E(X„ ) =
=p+p+.. :t-p = np
E(X) ~ 0.9
Rys. 2.27
Jeśli 11 = 4, p "" 0.3, q '"' 0.7, to ~~~C'.1l.> .:.'.~: ~~3 =__!_-=
b) V(Y(11 i) = V(X 1 +X 2 + ... +X„). Zmienne x1.x 2 ••••• x„ są wzajemnie nieza-
b) Obliczając wariancję, otrzymamy le żne , a zatem
li
E(X 2 ) = 1·0.2 + 0 ·0.l + I ·0.3+4 ·0.4 = 2. 1 Obliczyć wartość oczekiwam\ i wariancję tej zmiennej.
Wobec t ego
112
113
Rozwi<1za n ie oraz wa r iancję
11 I
6 .• ~ 3 „
natomiast wariancja ma war tość =1~1
5(e ·· -- 6. 12e
-3
+ 13.36e- -24.48t: + 37.44)dt: =
V(X) =
li
f [ x ·- E( X ) ]
2
f (x) (fr"'
5
= 1~{17.42 - 3 . 76):: 1. 14
b ) P(jt:!<er)= P(it:l < 2.67) = P(-2.67 < t: < 2.67) = F(2.67) - F(-2.67) =
= 0.325-0.034 = 0.29 1
Przykład 2.16
Przykł a d 2.17
Błą d
pomia ru t: jest z mi e nną lo s ow ą przyjmując ~' wartośc i tylko z prze-
działu (- :i ( mm), + 6 (mml). Dystry bua n ta tej zmiennej ma postać Ko rzystającz definicji wari ancji, wy k azać , że dla zm iennych ni eza l eż
n ych Xi }'zachodzi V(X - Y) = V (X)+\l( Y).
Rozw i ąza n ie
Ponieważ \/(Z) = E{ [ Z-E(Z )] 2 }, więcjeśli przyjąć Z = X · Y, to
Wyz naczyć:
V(X -Y) =E{ [X -Y - E(X - Y)J 2 ) = E [ [X - E(X)-(Y-E(Y))j 2 )=
a) odchyleni e st andardowe bł ęd u pomiam,
h) P(jE! < u). =E { [ X - E(X )f +[Y - E(Y)f -2 [ X - E(X))(Y - EO'))) =
Rozw i ąza ni e = E {[X - E(X ) ]2} + E ([Y - E(Y)]2} - 2E {[X - E(X)][Y - E( Y)J} =
""-·---.._..------' ·-·---- ---···-·---
a) Dyspo nuj ąc dystrybua ntą F(l), wyznaczymy funkcję gęstośc i (d la V( X) vcn "<>'-<.r.n
ee (-3, 6) ) = \/(X)+ V(Y)-2 cov(X,Y)
E(c) ==
6
~E· "i"~?(i: 2 +4)dE = r/:J(\ +4·-'={·
-.>
1
)L6
=3.06 (mrn)
= E( X Y) - E(X) E(Y)
115
114
Wobec tego dla zmien nych niezależnych mamy 2 2
-
V(d)= ( -l ):! V(d"')+
I ( -l ) V(d "b )+„.+( -I ) V(d""· ) =--:;- V(d
1
11 00• l 1
) =-V(d"')
\/(X - Y) = \! ( X )+ V( Y) - 2 t'Ol'(X. Y)"' V( X)+ V ( Y) li \. li li ll H Il
11 sklotlników
Podobnie, dl a zmiennych ni ez ależnyc h zachodzi V(X +Y) = V(X )+VO'l
Z treści zadan ia wynika, że każdy pojedyn czy wynik pom iaru jest
Przykład 2.18 z mienną losow~\ o odchyleniu standardowym a „J, =O.O I (111). Zatem
Wyzn aczyć wariancję zmiennej Z = 2X --3Y + 5, je śli O:r ~ 2, CTr ' 3 (zmienne ' rl
X i Y s ą niezależne ) .
Rozwiązanie
Wa r iancję zmie nnej Z "' 2X -- 3Y + 5 można wyznaczyć , korzyst ajqc ze a na tej pods tawie
wzoru: a,1 =fv(J) =0.003 (mJ
2 2
r 1z \
\/ (Z )= ! _:_:_, V(X)+
( az--j1 V(Y) Przykład 2.20
l ()X ) 7
i)Y J
P ojedynczy wyn ik pomiaru kąta a ma rozkład N(E(ct'"); 10cc1. Ile razy
Podstawiaj~1c V(X )= O'~ =4. V(Y) = O'f =9 uzyska my należy zmierzyć kąt, aby odchylenie standardowe średniej arytmetycznej
z tych wyników pomiaru mi a ło wartość mniejszą od 3cc.
Rozwiązanie
Pr zykład
2.19 Odchylenie standardowe średniej arytmetycznej ma, jak już w iemy
z poprzed n iego przykładu, pos tać (w odniesieniu do treści tego zadania)
Każdy wynik pomiaru d"" odległości d jest zmicnm' losową o rozkładzie
normalnym d "b - N[E(<l"b); 0.0 l (m)l (indeks górny ob oz n acza obse rwację ·-
1
<-,- I
= „„
/I
L J"b
Jl
( ·
I
= - I- t
Il
1"" I ,„1,
1 ·t- „- c, +.„
li -
-t- „-I t '""
Jl Ir
9 (.:c) 2
i=I
Ponieważ CTll „;, = IO" , w ięc 11> (LP,Q= 11.1) -> 11> 12.
( ,/ „ .. ś1·ednia arytmetyczna), więc .,,,
Pri;ykład
( -- \2 ( - )2 ( 2.21
12
-- _ vd
V(d)"-' , ·-··- · „jV(d1""
•\ Ul
'.l/"/J
I
)+l·-
·-i ()d
'.l J"I'
U( 2
V(d,ub )+„ .+ .„„uti
- "
_ __
l"b
\Ul , 1 )
;
ob
V(d)
"
.„.
Wyzna czyć odchylenie standardowe zmiennej
X
U = l n ·„--
y
Zakladajqc, że wariancje zmiennych d!'". d~" .... , tt;;h s~1 jednakowe
116 117
Rozwi ąza nie
'Wówczas
Biorąc pod uwag ę, że
E(X )=3 ·0.3+4 0.7 =3.7 E(Y ) =(- 1)·0.4 + 0·0.2 + 2 · 0.4 ""0.4
E(X ~ ) '= 9·0.3+ 16·0.7 = 13.9 E(Y 2 )= l·0.4+0·0. 2 +4· 0.4 = 2.0
oraz
oraz wy z n ac zając ~
-> au =.fi. E(XY) =I. I X; YJ Pij ""3 . (-· !)·O. J + 3. o· 0.2 + :;. 2 · O+ 4 ·(- 1) ·(U+
i =I F 'I
+4·0· 0 +4 · 2·0.4=1.7
Przykład 2.22
Zmien n a losowa (X, Y) ma następuj ący rozkład prawdopodobieństwa: Wyzn aczon e pa rametry pozwa lają na obliczenie kowariancj i m iędzy X i l'
~1--l l_±„. cov(X. Y) = E(XY) - E(X) · E(Y) = 1.7 - 3.7 ·0.4 "' 0.22
-
~---~-~
a następnie wartości współczyn nika kornlacji
~* --H
X -I o
I 2
xi
Px~ = Px 1+
I 0 .:1 0.7
yi
Pł. 0.·1
o
0.2
1
OA
Rozwiąza n ie
P rzede wszystkim pod ane częs tości bezwzględne n a l eży zastąpić czę sto
ścia mi względnymi, kt óre, jak wiadomo, mogą stan ow i ć przybliżenie warto-
ści p rawdopodobi eństw. Zatem:
118 119
w różnych przedziałach temperatury ( różnic<;> między wzorcową dł ugości:' bazy
a wynikiem pomiaru traktowano jako prawdziwy błąd pomiaru). Liczebności
~ I ·1 błędów w poszczególnych, wyróżnionych zakresach wartości, uzyskiwanych w
ustalonych przedziałach temper atury powietrza, zestawion o w poniższej tabeli:
o 0.1 0.3
l o 0.2
3 I o <I .O
!
l
I
Na s t ępn ie po ustaleniu
Rozwi~\zani c
Podane częstości bezwzględne zastqpimy częstoś ciami względnymi . Ponadto
-·~--1--l__l _
_:!( • E(Y) = 3.7
za wartośc i zmiennych i; i t rm~yjmiemy wartości środkowe wyróżnionych prze-
Px ; O.I i O.!>
"'-
"? V(Y) = 14.5 - 3.7 2 :o: 0.8 1 dzi a łów. \V ten sposób otrzym amy n astępuj ący rozkład prawdopodobieris twa:
oraz obliczeniu
E(X Y) ::: 0 · 1·0. 1+0·4 0.3+1 · l· O+l · 4 · 0.2+3· 1·0 +3 ·4-0.4 =: 5.6
uzys kamy
cov(X, Y) =E(XY) - E(X) · E(Y) = 5.60 ··· 1.4 · 3.7 = 0.42
0.42
Px .Y = Jl:S~l - O.S l = 0. 34 Dalsze dzi ałania maj ą j u ż zwykły, w lakich pr zypadkach, przebieg, czyli:
Można więc tutaj mów ić o istotnej , lecz n iezbyt s ilnej <Px r < 0.5 ),
ności między interesującymi n as zmiennymi losowymi.
Przykł ad 2.24
'
zale ż - !._~.. !__ :·_ l··-:- ---! ~-~----~-
P,; i !).[O ! O. IO ! IJ.35 i 0 .45 E(e) " 1.3 (,,,,,,, l"' V(i;) = 3.7 1 (111111 ) 2
120 121
I ! 3 i 9
Pi : 0.35 i 0.25
! 15
..•..• „ .• ~ -----·-·-l·- ··----··------··--
J IHO
EU) 0 'J.3 i"c) l ~> V(t) = 26.91 ( 0 c ) 2
a ) W celu ustalenia posbci dys trybuanty, obliczamy
12 9 ! S ł ; 215
-·---;„· --··~----·~ ·--·:---·~···· ·„
Przykład 2.25
Zmienna losowa (X, Y) ma rozkład równomierny dla x e (a_,. b 1 ) , y E Y , by). (a
a) Wywaczyć dystrybuantę tej zmiennej.
b) Przyjmując, że ax = 1, bx = 6, a"= O, by = 5, obliczyć (na podstawie dys try-
buanty): P(X < 2, Y <3), 1'(3 <-_\.' < 5, i < Y < 4). b ) Jeśli ar - ~ I, b_, '·" 6, av = O, /i.I'"" 5, to
R ozw i ązanie
Ponieważ zmienne X i Y są niezależne, więc
l
(.' = ------ - ·----·-------- -----
(h, -a.T)(b, -ay ) f (x. y) = f , ( x ) f y ( y) dla X E (-oo, +oo) , yE (--«>,+oo)
122 123
Po u staleniu, że
3. ELEMENTY WNIOSKOWANIA
STATYSTYCZNEGO
W RACHUNKU WYRÓWNAWCZYM
oraz
..
fy(y)=
I r [l'-E(Y)fl
a ,.J:ź~cxpr .:_ „;;.r··- =
I
4J2-;cx1t-32.
r· (r- 1)
2
1 3.1. Założenia podstawowe
otrzymujemy Niech pomia rowi pod lega pewna wielkość x (n p. odlegiość, k<\t, przewyż
sze nie itp. ). Zakł adamy, że każdy z wyników pomiaru xi';, tej wielkośr.:i j est
I r r .
; I (.\ -3) 2 (y „· I) 2 '1L obarczony błędem pomiaru c1, tzn.
f (x, \' ) = „-„·-·cxp·: - , - - · - · + „„„„„„.„"„„ 'i·
- 16 re :
\
1
'·
8 32 i1
... ; i "' I ... . , 11
Wobec nieza l e żności zmiennych X i Y, prawdopodobicristwo PC'(< 4, Y < () )
Na ogó ł przyjmuje się , że błędy i::1 S<\ zmienny mi losowym i o pewnych
można także zap i sać w postaci
zakładanyc h paramet1·ach opisowych. Przyjmijmy, że E('i) =O. Wówczas (zob.
własności warto~ci oczekiwanej i wariancj i, rozdz. 2.1.:3)
P( X < 4; Y < O) "' !'(X < 4) · P( Y < O)
(E{x) =x , gdyż nieznana wiel kość x nic jest zmienn<.\ loso w ~\). Z modelu (3 .1 )
x-E(X.) 4-·J _ v- E(Y) O·-- I _ oraz z założenia (3.2) wynika, że rezu ltaty pomia ru x:,i, są zmiennymi loso-
1, = ·= ··-.--- =0.)0, I„ ::.: -· - - - - = - - = -·0.2)
a, 2 „ l1 )' " wym i o wspólnej wai·tości oczek iwanej E(x;'1') = x, rÓ\~nej wa rtości prawdzi-
wej w ielkości mierzonej (gdy 'r/ i: E(t:,) = 0). Graficz n ą in te r pretacj ę przyjęte
Wówczas go model u wy ników p om iaru przedstawia rys. :3.1.
I'( X < 4) =P(Tx < 0.50) ""0.5 + \;(0.50) "' 0.69 15
P(Y <O)"" P(Ty < -{l.25) = P(Ty > 0.25) = 0 .5 -ip (0.25) "' 0.4013 rtc.
. '
. - -·+
a n as tępnie
o
P(X < 4, Y <O) :::; P(X < 4) · P(Y < 0) =0.6915 · 0.40!3 = 0. 2775 x/ : o
.;.
:x.
!
- - ' - -- __!_ _ __ _
l!M 125
,Jeśli wvniki pominru, opi·ócz wspólnej w::irtości oczekiwanej E(x;';,) =x.
· maj4 t.ak:i:c wspólną wariancję, czyli 'tfi : a/ =a 2 . to wielkości .r;'i'. i== I„. „ 1! 3 .2. Estymacja punktowa
można tn.'lktowa t: jako realizacje zmiennej losowe.i x"" o wa ri.ości oczekiwa-
n ej Ei x""'i=x i wariancji V(x'';,) =cr 2 . Estymacja
N iekiedy zakłada s ię , ie całkowity błą d pom iaru jest su m ą błędów loso- Szacowanie wa rtości parametrów opisowych (l ub postaci rozkładu )
wego I.' i system atyc:rnego s, czyli zmienn ej losowej na podstawie zbioru (na ogół n ie wyczerpującego) realizacji
E: ::--:- c -~- _„.„ tej zmie nnej jest nazywane estymacją .
----- ------„
t·:~aym nc_in
wego (t.ym r:1zcm ozna czonego przez e), tzn . E(c) "·' O. \/ (c) = o'.! , uzyskuje
s ic,: na stę pując e parametry opisowe całkow i tego błędu pom ia ru: par.ametryczr:a n ir.p<.1ram ettycz 11a
:;zncow n nic panHrlet r ow t:UH:ownn h: p ostfl ci fi~nl:cJ:
E(r.) = B(e + s) ""- ...........................
E(e} + E'(s) "" s ,
o $
V(,.s)
-
= V( e+s) "·" V(c) + V(s) = rr~
a~
~-
o
op isowyr.h ::111 i1!11111•j fo~~ow~i
,...-~~~~~~~~~
/
--
prnrudop0<fobi 1..•1jstrL'rl,
lwhcji /,'t;stn.'>:c:. d)·!>tr)"bcurnty
_, _ __ _ „ ___ _ _ _
~
punktowa t1 n.edziałow;l
(bl:vl system atyczny I nie jest zm i e nn ą losow:\, dlatego E(s) = s oraz V(s) = 0). OCt.' IU/ prtr(1111Ctrcl )1!.'il V)',llne<a tJ; ;<'"' P•'wi(,11 !i<..::/w 11r1 l
Wobec tak iego mod e lu błędów pomiaru. wynik pomiaru jest zrn ienm\ loso- jedna ł:onhrctna !c.·r:do..;c Jr: "d::it:I, w l.:t6f)·m :; o~·re~lo11ym. I
w;\ o następuj<1cych pnra met rach: g: friwn y pr7.cdmiot
r prttwrlopudobLcń:otu:t:m ~;nwirrrt sit• !
~aint.crcsow<mia ł L~~:.l„~ttly ptlrttmct r ,__ • j
E (.\"i') o~ E ( x ) + E(t:) = X +- .1· rach unku wynhvna\\*C~
prawdziwn wie lko ś ci mierzonej E(l;) =0) są przedm iotem zainteresowa nia
s tatystyki mate ma t ycznej, Formułowan e tam m etody estym acj i s ta nowi;1 ~~~~~~~~~~~~~~
12G 127
ii) Efokt.ywność. Efektywność estymatora e jes t mierzona jego w ::u·iancją iv) Zgodność. Estymator e"' 8 jes t zgodny, jeśli
11
V(G), a w zasadzie stosunkiem
V(G') .' Vi:>O: JimP(l0 11 - <-:>i <c)~1
11- ł.....
- ·-··;:- "' t!l(-'.J) J
V(0)
W klasie estymatorów nieobci ążonych zgodność wynika z warunku
gdy zna ny jest estymator najefektywniejszy G*. Estymator 9„ j est naj - '
efektywniejszy, gdy lim \1 (0„) = 0
11--)0<>
Nicobciążono ść i n aj wyższ a efektywność Ueś li nie w sen sie bezwzględ E[l~(x 06 )] :o: E[ E(x 0 ")J + E( 17) = E(x"") <-~> E(.\:) = x + E(r7) = x (3.4)
nym , to co najmniej w zbiorze dostępnych estymatorów) są podstawowy- '-----·~
l:"( x"b)
mi, po Żt\danymi włas no śc iami estymatorów (przynajmniej w interesują
cych nas w tym p o dręcz niku zagadnie niach). Pozos ta łymi ważnymi Pown)ćmy teraz d o t eoretycz nego modelu wy ników pomiaru (3.1).
wł as ności am i estymatorów są:
W problemach geodezyj nych model ten jest, na ogól, przekształcany do po-
iii) Asymptotyczna nicobciążoność. ,Jeśli estymator 0 = 011 jes t funkcją liczeb- s taci (i = l, .... 11):
ności zbioru realizacji zmiennej losowej, n a podstawie którego był on
wyzn aczany oraz jeśli
lim E(G 11 )=8
lt -70>>
128 12~)
w tym zakresie, szczególnie w praktyce geodezyjnej. Wielko ść "; =-c; jest
nazywana poprawką (o taką wartość należy „poprawić" wynik pomiaru, aby o
uzyskać prawdziwą wa11:ość wiel kości mierzonej). Model - ;,--
TJ : o :
1·i =x-x,-
"/;
(i=:l..„.11) (3.5) ... __i__ •.•;.„„...„„„ ..;;.„.... „ ....:„ .. „„ .. „ ..„„.„.„.„„„. ~ ..
I
będziemy nnzyw;'.d i elementarnym m odelem funkcjona lnym. o I E(x"'') =-x
Załóżmy, że jest zn any estym ator .r wartości prawd ziwej x. Estymato-
rem poprawki ";jest wówczas wy ra żen i e
I
(3 .6) r,;;~dcl \~ -;,~~;.~1oci] mod:_! rcorcl yczn y
X, -=::.t+ &i
I
• r·".1-·-1 ~ •r c::-
·; I
lu b
~.:r.::::)~--~~.J
: czuha 1cs1ymocji
j eśl i /~(.r"") ::: i
„
i.·, = :;.: -x,'-""
Uwaga: W dalszej częś ci pod ręczn ika, tam gazie nie mo:i,e to prowadzić do Rys . 3.'I . Bl:id pom ia r u. poprawka, cstym:it:or popr;owki
niepornzumie1) (głównie w przykładach liczbowych nawiązujących do
praktyki geodezyjnej), zamiast estymator poprnwki będziemy n ie- estymatora x (lub pewnych jego pa r a m etr ów) są przedmiotem zaintereso-
kiedy pisa li po prostu war tość poprawki. wania teor ii i pl-aktyki rachunku wyrównawczego. W problemach tych ele-
mentarny model funkcjonalny (3.4) jest wygodnie zap i sywać w następ ującej
Ponieważ .r = x+17, to
postaci macierzowej:
.~i"' (x + 17)-.1f '
'--~
x--xr" ~ ,, = -€; + 17 = 1•,+ 1)
="'----......-__,,
\Varlow i edzieć, że z powodu losowej rnzn tcy 17 wartośc i estym ator ów V = .l ,,x - x"b (3.7)
popr awek ni e S<ł równe, nawet pom ijając kwestię różn icy co do znaku , rze -
=
czywistym wartościom b łęd ó w pomiaru (gdy:i. 1;; --e; + 11 = 1•; + T/ ), co powinno
być szczególnie bran e pod uw a gę w praktyce pomiarowej. Nie up o w ażni a Lo
bowiem do wyciąga ni a zbyt daleko idących wni osk ów o wartośc i ach rzeczy-
wis t ych błę dów po miar u na pods tawie w artości uzyskiwanych popra we k
. gdzie :
l
r:~ ]-
(co niekiedy się zdarza). Gra fi c zn ą ilus tn1c:j c wskazanych różnic przeds tawia
rys . :3.4. 1
-· losowy wektor wyników pomiaru
V = wektor pop rawek, x" '
Ni e można t.akże mów i ć o p eł nej równoważności parametrów opisowych
estymatorów poprawek 1~; i rzeczywistych błędów pomiaru c; = -•';. gdyż, VII
co prawda,
(przypomnijmy: 111 =[I !{ E 'Jł"· 1 ).
E(1~;) = E(-E; >+ E(TJ) "'o j eśli E(t:;) =o. r::(T/) = O
Problemy związane z wyzn a czaniem poprawek s pe łni ającyc h pewne uza- los owemu wek torowi· wym'k ow
• pomiaru· x ob = [ x 111/i x 11/J „ · x„11/1 JT m ozna
:
2
sadnione teorią estym acji kryter ia ornz us talanie wy n ikającyc h s tąd wartości
przyporządkować macierz kowariancji (a w :wsadzie m acierz waxi a ntji) o postaci
130
l
przedstawianych w inst r ukcjach obsługi tych przyrządów ) , analizy tech nologii
r,
~;]
O"j" o ... pomiaru oraz wstępnych analiz statystycznych. Należy wiedzie ć , że ust a lane
O":!
?
w ten sposób wartości błędów średnich są oce nami a priori (przed wyr ówna-
c X
„;, = o
. •.
niem). Natomiast estymatory odchyleri s tandardowych po wyrównaniu (błędy
I średnie a pos teri01·i) są wyznaczane z zastosowaniem odpowiednich procedur
Lo o a,~ obliczeniowych i w oparciu o estymator aJ
współczynnika waria ncji 0"(5.
Estymator 6 0 jest nazywanij' w t radycyjnym rachunku wy równawczy m
Wariancje al wyników pomiaru nic są znane. Należy je zastąpić takimi „błędem średnim spostrzeżenia typowego" i oznaczany przez m 0 (nie zaws ze
przybli żen iami - kofaktorami q 1, że ta nazwa oddaje w prawidłowy sposób znaczenia estymatora 6 0 "'1110 ).
Odwro t n o ść macierzy kofaktorów, a w zasadzie macierz do niej propor-
o 01 cjonalna, tzn. macierz
-1 (3.10)
a; =a0q; 1 p ~<." Q
? )
• 2 o <}2 () ob ' c >O
' {..'? " (3.8) X
132
133
f)!1 - wagowej
oX,
\.-, l
., !:.__.
_ _ _ __ ___j_._,_______ o \~ (3.14)
V I o I i
1 ... ' ł ' 't' - oraz rygom (tak ja k np. w pracy KAMIŃS K I EG O, W1sNJEWslGEGO 1992)
(3.15)
(formuła (3.12) ws kazuje, że minimum ~(.\·) = I p(v;) funkcji ((x )= I p(v;) sposób, na o gó ł dający się prze wi dz ieć i s terowa ć, ,,i gn o rują" wyniki pomia-
i= I 1~ 1
ru oba1·czone dużymi błędam i . Ta bardzo ważna , z praktyc:mcgo punktu wi-
dze nia, własność powoduje, że odpo rne metody wyrówna nia są ostatnio
le ży w punkc ie x gencrnjącym estymatory 1~; ). Funkcję ~(x) n azywamy
pr zedmiotem szczegó lnego zainteresowania, zarówno w obszarze teorii, jak
funkcją celu zad ania wyrównawczego. Estymator .r jest więc takim oszaco-
i praktyk i rachun ku wyrównawczego (czy też sze rzej -· metod opracowania
wa niem wa rto ści x, że wyznaczane n a jego podstawie est ym a t ory popr awek
wynik ów pom iaru). \Vyrówna ni a sł ab e mają, jak d otąd, małe znaczenie
1\ == .t ·- x['", i I, „., /1 spełni ają własność pr::i ktycznc, po ni e waż o wartośc i ac h ostatecznych wyznacz eń d ec yd ują tuta.i
r: (w o dróżn i e niu od metod odpornych) obserwacje odstaj<\Ce, co przy takiej
~(.r) =I, p(v; ) ': mi n jw. inter pret acji (oclst.aj<1ce, bo obarczone du żymi b l ędamii m oże te metody
i =I
w(v)
odporne
I
s l:thc
"" I
;
- wpływu
tlp(v) o
1/>{V)=--·-- (3.13)
. · dv Ry~. 3.6. ){l;rny metod wyniwn:rnia
134 13:3
dys kw alifikować . Chociaż są zadania inżynierskie , w których obserwacje od-
uzyskuje się kryterium optymalizacyjne metody najmniejszych kwadratów (N/\..)
stające wcale nie musz<\ być kojarzone z błędami grubymi. Jest to jedna k
zupełnie inny problem, i w tym podręczniku nie będzi e dalej rozwijany.
Klasa M-estymacji, a zatem i wynikający s tąd zbiór dostępnych metod
wyrównania, jest szeroka . W teorii rachunku wyrównawczego j ednak n aj-
części ej wyprowadza się i an a lizuje me tody wyrównania zw i ąza n e z nas tę
Zapisuj<\C
pującymi s kład o wy mi p(v ) funkcji celu ś (x ):
l''
mcroda najmniejszych odchylcit absolutnych ()
p(v) = ipvj
pv-
~
mcroda najmniejszych kwadratów
= [1·1 v~ lp'·~-o fh O Vo I
- =V PV
T
~;,:
w(v ) v2 zmodyfiko wana metoda najmniejszych kwadratów v„ 1
o v;„ J
gdzie j(v) jes t na ogól funkcj o, rów no ważm\ za kł a danej funk cji gęs tości blt,!-
dów pomiaru (lub też funkcjq do niej proporcjonalną ). Zwró ćm y uw agę, że
funkcję celu m etody NK można przedstawić także w postaci
jeśli /(v) = cxp(-pv 2 /2), to
2
ln(-/(v)j = pv ! 2
i metoda najwięks z ej wi arygodności , formułowana z zastosowanie m r oz kł a r (3.16)
du normalnego, jest równoważ n a metodzie n aj mniejszych kwa d rutów (ba r-
dziej szczegółowo będzie o tym mowa w d a lszej części tego rozdziału) .
t1
Po zast osowaniu tej funkcji oraz modelu funkcjonalnego (:3.7) i modelu sta-
Metoda najmniejszych kwadratów ma, jak dot ąd , największe zast osowa- tystycznego (3.11) można sformułować następujące zadanie optymalizacyjne:
nie praktyczne. Z myś lą o uodpornieniu na obserwacje odstaj<\CC, zo stu ła
wypro~v~ dzo_na jej ~odyfikacja polegająca na zast<wieniu oryE,rinalnych wag p
wartos ciam1 funkCJt wagowej w(v) . Przedmiotem na szego za interesowan ia
w tym rozdzia le b ę dzie jednak klasyczna metoda najmniejszych kwadratów,
o składowej funkcj i celu p(v) = pv2 (do metod odpornych powrócimy w da l-
szej czf.!Śc i podręcznik a ).
f
mint~ (x)= V PV
r } ·r ·
= V PV
Estymacj a wartości oczeki wanej E(x"") = x me todą .(
i2 ś(x)
2) ---;,~-- > O (warunek wysta~·czający istnien ia minimum)
d:C .l'..:.:: .t
136
sk:vl
\Vyznac:rnj;:\C p icnvs7.::\ pochodn:\ funkcji Ę(x), otnymamy
dx d.\ () v„ dx CJv,, dx
,., r/1'1
= "'" 1'1 v 1 --,·--· + 2 p~ i:'.!
( fro
---,·-=· .;. ... + 2 !'„ v„
dv,1
· -·,·-'-· Pt o
<X l X f .\
() T --1 I
( l 11 Pl 11 ) = --~--
l ·~; Pl „ =[ł I ·· · Il ...
.J . ···-··
. c11 a ](:Jzcegor: k omeczn
. I, P;
·p ornewnz
. d\li '"·-d- l .r - .r ab.) = 1, ,
w1 ęcwnrunc,,
1
y l) [ e:d
dx dx · 1 o o
ma po stać
~ 1r::·1- ~-' ·
dĘ(x) ! fP1 o
2p11\ +21'2 02 -;· .„+7.p„~;„ :=: () ()
il I
- - -- -·· ; =: () ;o.7.>
1.·~-
~„ " ·-,. . 4 ... : ;~1
więc
( ,, \ li
istotnie
I' L., Pi J' - L., f';Xj„;,. =~o
~ I· ~
\, 1-•I . ;~1
Il
I „,xf'h
skąd .~ "" .!c".....„„. "' 1~· ( _,.oh l (~3.18)
li
I,P; Sprawdźmy j eszcze, c 7.y dla x =.t. n postac~ (3.18) lub_ o r~wnoważnej
i" I
postaci (3. 19), jest spełniony warunek wystarczający 2). Pom ewaz
co jest dobrze znaną ogóln<1 śred ni ;_\ a rytme tycz n ą zwaną też śred n ią ważoną
Przedstawione p owyżej działani a powtónymy korzystajr~c z podstawo-
wych zasa d analizy macierzowej (zob. rozd z. 1. 5). Zatem wyznaczaj;' c po- d 2i' (x)
••„-~-- ::; -
d [d/;(.x)J
-- - :: -
d - [~L. fl t "l ..,
+~ Pi V2 • ...
.... + ?- 1, " 1· ] -·
·,, -
chodnq dx2 lfr d.x d.x
,,
~„ _rf_ (2p ( x - x['1' ) +
1
2p2 (x - x~/' l + · · · + 2p11 (x ·- .<:;, )]= 2 L Pi
ili ~
CV T l'l „~O)J
jeśli L Pi > O
r/~( x) r;,· p\,· = O i~ l
<-~>
1;; P1 11
.\- - 1!,.Px "1' =O
Zatem
Estymacja wektora wartości oczekiwanych E (x"iJ ) = x metodą
najmniejszych kwadratów CYK)
Tym razem zakładamy, że xJ'" , x't ', ... , x;;b s ą pojedynczym i wynikam i
pomiaru 11 różnych wie lk ości o w artościach prawdziwych x 1 , .te, ... , x," przy
czy m '-.J . • , 11h
' 11: E: tx,
( ~ · · · 1· , · ob i>/1 11b
) = x , wczesmeJ p rzyJm O\Va 1s my, z e x1 , x2 , . „ , x,1 są wy-
nik ami pomiaru t ej s a mej wielkości x o wartoś c i oc zek iwan ej E (x" 1') = x ).
·
Niech ponad to los owemu we k·torowi ' · ob serwac11
· · x ob = [ .t _1ob .t_ob
2 · · · .t"o/J 1,r
jest przyporZf\dkowana maci erz kowaria ncj i C X,,il o mo delu
co jest identyczne z ww. rezultatem.
_ 2Q _ I ,,.2 ,-1
Pr-lllŁa dek s :z c:z e g6 l ąy C llh - ao ·!h - -· l )' o 1
X X l:
. ~iech wyniki.p~mi~ru będ~ .zmien~ymi losowymi wzajemnie niezależny-
nH me tylko o wspolneJ wartosct oczekiwane; F( r""l - . lee· t k;
· · „ 2 J - • - .t,
. ·1 -
z a ze o wspo
neJ \:'ananCJJ o · O?chyl~nie standardowe o zastąpimy jego oszacowaniem
a _pnon - błę~em sredmm pomiaru rn (błędem średnim pojedyncze 0
miaru). W takim przypadku
o
g po-
o
o
Ponieważ w tak iej sytuacj i zachodzi
E (x"I' l ~
E(xl'b )
E(x'!_1' )
"
lx„
'1
=X
l :J. 20)
(przypomnijmy: I„ E 91"·" - macierz jednostkowa). Wówczas
Z wróćmy uwa g ę, ż e w ukła dz ie (:3. 20 ) w ys tęp uj e ty le rów n ań (n), ile ele-
m en t ów zawiera n ieznany wek tor x (m ówimy, ż e układ ni e zawiera rów nań
(1 11Tp1·-l
I ,)
l T I 1 )- I
=-·(l Il li fl
l T
--~(I fi 1It )-I-·
l
_...___ nadliczbowych). Wyznaczenie rozsądnego estym a t ora x wiąże się tu t aj z ko-
p p np
nie cznością wyra żenia elementów E( x;'b ) = x; wektora warto ś ci oczekiwa-
nych E(x"b )"' x w postaci fu n kcj i E(x;'" ) = x; "" I~· ( X1 , X 2 , ... . X „), i '" I, .„, n
(f
11
Px"/, =: {J !Tl vob --
,,_, --- p IT X ob -- p ~X;o/J f pewnych (na ogó ł nie mierzonych) param ct 1·ów ,.\" 1, X2 , „ „ A',. F unkcje te
i~l
powi nny b yć tak dobrane , aby liczba (r) parame t rÓ\'·I by ła mni ejsza od liczby
Wobec tego wiel ko ś ci podl eg aj ący ch pomiarowi. Wielkoś ć /= 11 - r, okr e ślaj ą cq l i cz b ę
sto pni swobody układ u , na zywamy liczb~\ obserwacji n ad liczbowych ( zauważ
.r = (11'Pl
11 11
)-'11'p
n X
ub_
~
my, że w proble mie e s tym a cj i s kala rnej wielkości E(x 06 ) =x , liczba r pa ra-
metrów jest równa 1, zatem liczba obserwacji n a dliczb owych jest la m za-
ł
- I
- ······-·p
np
L11 ob
.
X·I =-2:
n
11
x,ob = !:.'( ob)
....
„ X
wsze równ a f o= n - r =, 11- t).
Estym ację wektora ·· i~:(-~"b ) =x bc:dziemy wic:c r ealizowali drog~\ pośrednią,
, ~1 i~I
p1·zez wyznaczenie estymatorów ,\; 1, ,\; 2 , .. . , f(, para m e trów X 1, X 2 , . . . , X r ·
co jest zwykłą średnią arytmetyczną. Na tym etapie ro zw aża rl. przyjm iemy, że fun k cje x, :.:: i'i (X1,X 2 „ . .• X„),
i~' 1, ... , 11, s~1 funkcjami lin iowymi i m<lją pos t aci
140
1.41
X1 = a11 X i + a1 ~X 2 + ...+· air"" r + U.'!
X""I = 0 21X1 + a~2 X 2 +... + a~r·)( r + H'2
ce:> x=AX+w {3.21)
x,! = a„1 XI + a„ 2 X 2 -~ ~·
a,u.X„ .„ li;
li
Wyzn acz aj ąc
gdzie:
a, l r
V= AX+L Sprawdzając, czy w punkci e X= X jest spełniony waru nek wystarczaj <\-
gdzie L =w·- 'x"" J·est cy mi ni m um fun k cji ,; (X ), wyzn aczamy
· wckto · wolnych.
· · rem wyrazow
Estymacja wektora X metodą NK polega na
rnzwiązaniu następującego
zadania (wyznaczenie minimum .;cX:J == yTpy
funkcji celu s(X) = yTpy
względem we ktora X, przy czym v ::: AX + L):
,Jeśli macierz Ar pA jes t doda tnio określona, czyli dla dowolne go wektora
y;;; O jest sp ełn i ona nierówność yTA TPA y >O {zob. rozdz. 1.5), to każdy wek-
t or X spełn i aj ący waru nek konieczny, a wi ęc spełniający układ równań
(3,2-1) norm al nych AT PAX+ A TPL = O, m inima liz uje funkcję ,;( X). Estymatorem
metody najmniejszych kwadratów wektora wartości oczekiwa nych E( x"") ""x
jest zatem wyra żenie
x= AX +w =
Pods tawiaj<~e A = 111 , X "'' x, czyli Vi. i:· = F ( \' X 1 , . . (:3.26)
danie t t · · · · ·' ' ' !• •· ·•• ,\ r ) = l'(x) = r za- = --A( AT PA)-I A T PL + w= i(x 0 ;, )
' .. o" s a3e się rownoważn e wcześniejsz emu zada;iu (.'3.17) Ekstr~~ um
funkc11 <;(X ) występuje w punkcie X =X • dla któi·err ,,,. o (\va run e J·-' k omeczny
· ) Przyjmijmy, ze
Vi =l. 2.... ,n: E(x;'0 ) 0~x ~~
142
143
\Vówczas A,., I". Jeśli ponadto założymy, że w"' o, skąd L ,.., ---x.vl', to J~stymacja wektora wartości oczekiwanych E(x0 i>) = x mctodq
największej wiarygodności (NIV)
rr:\x
·.r=lxr
·--~1
1
0
b) l \V odróż n ieniu od metody najmni ejszych k wa dratów, meto dę najwięk szej
x=-A(;\.TPA)'" ArPL+w=ł n (ITP!
1
)-i 1rPx"b"'l =llE(x"")I/ w iarygodn ości można zast o sować tylko wtedy, gdy znany jest r ozld ad praw-
.__::_~1.1_---:-'!.___:__.__, dopodobiei'ist wa wyn ików pom ia rów x0 b , repreze ntowa ny funkcją pra wdopo-
r
n .
~I
Xj
1
I -. /
,_E(x"" )j
:
d obieństwa (zmienna sk okowa) lub fun kcją gęstości (zmienn a ciągła) . Met o-
da N W znajduje jednak zastoso\v anie w rozwi<1zywaniu wie lu szczególnych
·t Moż~~~ za~ważyć, że ta_k~e rozwiązanie, stanowiące szczególny przypadek problemów geod ezyj nych (np. S.JO!lrnG 1980, W1ś N I EWsK1 1989a).
es ymaq1 wektora wartosc1 oczekiwanych J·cst · · ·-" · Przyjmij my, że x0 1i j es t losowym wekt orem o fu n k cji gęstości j h.0 ")
w · · · · t -- ' mną wez tiJą pz·owadzoneJ
czesnieJ es ymac11 skalarnej wielkości E( ,vb} = , \V „. -- t · · · - i wektorze parametrów 0 (np. 0 = E{ x";,)), co fo r maln ie za notujemy jako
my ź, o/J • \\ e1 SJl CJ przyJinllJe-
. '._ e ·:i • _ ·' ·
yTpy =min
Pos z uk iwa ni e maksimum fu nkcji wiarygo dności o pos t ac i (:3.27) może j ed-
,Jak wiadomo kryterium t . I · - nak s p rawiać pewne kło p oty nu meryczne. Za tem, za zwyczaj, e s tymatory
' o spe ma l'OZWlązanie (zob. (1.29) dla M =: P)
metody NW wyzn acz a si ę kor zystając z następ uj ącej logarytm icznej funkcji
X=-A1(p)L wi;u-ygodności:
gdzie
A~P) =(ATPA)-A'l'p
jest uogólni on<\ odwrotnością w metodzie . . . .- pr zy czym dla 0 ""0, zarówno L(0; x"b)"" max , j uk i 1(0; x ";, ) = max .
(w rozdz. lA z·o zw1··,zy\v·-1!1.s'n1y . . . ,_ na3mn1e3szych kwadrató w Załózmy, że x"" ma rozkład nornrnlny, x "b -- N,if,l~'( x<)b); Cx"'' I. o funkcji
'• · ' t · x· rozniący
_ się · · zna, l tu układ r·ownan
co ao , .
o postaci AX,,, I dlatego g ęstości
,, ' am - \ I ) W ·0 d · I d
nionych odwrotności macierzy ~ó~jJ/~!~, ;.ów ~ .~ ~ia.e < _o~ycz~~ym uogól-
na odwrotność ( \ r p \)-l t . d Y . m~z, ze JC»li istnieje klas ycz-
A~P) jest macie-; z , , o Je nyrn z wanantow uogólnionej odwrntności
" I
A~P) = (A-,-PA)-I ATP ::;: ( ?_rr ) ''zie ob 11
- cx p ( -- ~I i:
-- : ; TC -I„i,<-)
Zatem .'( I - X
gdz ie
X =-Ai(P>L = -(A rPA) - 1ATPL r; = x "" -E( x "/J ) ~ x 0 1'- x (o ile E( x"b ) :::: x )
co jest zgodne z rozwiązaniem układu równazi normalnych jest wektor em losowych błę d ów pomiaru. Oc zywi ście, funkcja gę s t o s c1 ma
tę sarną postać w przy padku wektoz-a poprawek Y:::: - i: = x - x"b . Jeś li zastą
ATPAX+ATPL=O
pimy wartość oczekiwaną E(x0 1>) '~ x jej m odelem x "' AX +w oraz $formułujemy,
145
zgodnie z wcześniejszymi wskazaniami, funkcję wiarygodności L(G; x"h) dla
0 =X, uzyskamy natomiast logarytm iczną funkcję wiarygodności można znpi sać jako
1(0 : x"i')
" in f (0: xj'h )
=I,
1 ~1
l(x
'
~ -
- . X ob) =- . „ In .!.11:
• '. X "") ;:: In l(X
11
:?
ie
•..I I
2 : x" J.
I I- I v-7'c·· I •
„.
:? xor'
V
(3.30)
=n
~-
NW '--··--···-·-----------·----·~~--.J li
NK 0
L(0; x ") p(0; xj'") (3.32)
Wynika stąd, że jeśli wektor wyników pomiaru x"h ma rozkład normalny, to i=I
kryteria optymalizacyjne metod NW i NK S<\ rciwnoważne.
Wobec tego
W praktycznych zastosowaniach metody m1jwiększej wiarygodności
mogą wystąpić problemy z ustaleniem funkcji gęstości wektora x"li, a więc n
łącznej funkcji gęstości zmiennych losowych xf'11 , x'J." .... , x;;b. Jeśli jednak jest /(0; x"b) = I,111 p(0; xi'b) (3.33)
możliwe do przyjęcia założenie, że są to zmienne wzajemnie niezależne o zna- i=I
nych, „indywidualnych" funkcjach gęstości /(xf'";0 1). f (x'-J.";0 ), „., /(.r;;":0„ ),
to łączna. funkcję gęstości można przedstawić w postaci 2
Estymacja w edług zasady wyboru alternatywy ( Z IJ~,J) . . .
Wróćmy na chwi lę do metody największej_ wim:ygodności,_ t.raktuJ ą~ wylll ~U
· o/J .ob .oh J·ako realizacje wzaJemme mezaleznych zmiennych
f (x"b;0)==f<x','b:0,J·1·cx~b;0ry
Jl
_ .. ) · · · · i< x,1oh.0
• n )- TI1< .l,-„,1i_0
- • :- ; )
.
pomrnru
I
x 1 , .\2 „„,xn
I v v
. . . . . )· .
X W takm1 ujęciu probabilistyczną poc stawą me o Y
t d
osowyc1 ''l•".2· ····'."' ,. . , .'. ·- .ob - ·_ob =x"":
i =I NW jest następnJąca w1arygodnosc reahzaCJl X1 - .\1 , X 2 - x2 • „. 'X" n
li
Tl
/,(0; x"") =Il /(<::>: .x,"h)
i= I
=P( ,\, I = x1ob ) . P( "" 2 = xz"'')·„.-P(X,, =x,','")= n p(0; x;'")
146
14 7
w odnies ieniu do n iezależnych zmiennych typu ciągłego, powyższą wiary- ~..:
o_ _ _ _ _o
___ E(.<.")= .i
godno ś ć można przenieść nu funkcję winrygoclności o pos taci o
li
Kryterium opt ymalizacyjne zasady wyboru alternatywy, w zastosowaniu ~ ·1 ·k· 'nl waria ncji ( P - znu n a macierz
gdzie a 1) jest n ieznanym wspo czynm 1e . .
cło modelu V=AX + L - >v; = a.;X + /, i w n awi::1za niu do M-estymacji, ma · ·1· • 11/J ob oli są wzaJCinnlC niezależne
za tem post a ć wag). W przypadku, Jes t zm ienne x 1 , x2„ , . ..•') .r„ . .·
i mają wspólną wa riancję a2 (a ? = · ··=a,~ ~'a-). przyjmuje my
model szczególny
(3.35)
w ·
szczególnym modelu macterzy k owauan
·· cii
~
C x"b wielkością nieznaną,
. .
· ·· · t ·a11 ·J·a a2 zmiennej· losowej x 0 b o realizacjach
pocllcga1 ącą estymacji, JCS wan c'
gdzie
p(v;J =--f(v;) - przypomnijmy, w metod zie NW : p(v;) = ln{- j(v;)J, nato-
„. z:fói~/i~
"b ob ob
.rezultatem es tymacji punktowej (tak jak w rozdz. 3.2.1) są oceny
miast w metodzie NK: p(1•;) p;vl. = ~=
" \rl'L}
-(:\ -,. PA ) - I :
ZWA jest metodą estymacji odporną na obserwacje od stając e (wyniki po-
V = AX + L
miaru obarczone błędami grubymi).Takiej cechy n ic ma ani metoda n aj-
mniej szych kwadratów (przynajmniej w wen;ji pods tawowej ), an i m etoda
Po podstawieniu wyra zema· · <iki·es' Jaj· "•.>cego estymator X do zależności
największej wiarygodności z rozkładem normalnym j a ko modelem prob a bili-
V = AX + L, uzyskuje się
s tycznym (dl a innych modeli m ożn a uzyskać odpornościowe cechy m etody
(3.36)
NW, np. Wzś.Nll·: WSl<I 1989a,1993). V= - A(AT PA )- 1 AT PL + L = ML
Na rys. 3.7 przedstawiono położenie estym ator a wartości ocze kiwanej
E(.r'b) = x uzys kane metod<\ n ajmn iejszych kwadratów i zgodnie z zasadą wy- gdzie
M = l 11 - A(Ar PA)- 1 Ar P
(3.37)
born a ltern atywy.
149
148
\Varto zwrócić uwagę na k"lk · t . · h .
· . . . . .
1
a m ei esuJącyc własnosci macierz M.
1) MaclCrz l\I jest idempotentna, tzn. MM,,, M .y · i) n iczmicnniczy względem X, tzn., uby L TOL =(e T.Qe = vrnv)
dowód: dla (-€ = V) ' AX ·~ L;
6)
ii) nieobciążony, tzn., aby E ( a "°a R;
MM"' fr 11 - A(ATPA)- 1Al'P)[1 11 -A(A l'p 1\) -·I _.\ l'p J"' iii) najefektywniejszy, tzn., aby wariancja estymatora 0-rf była minimalna.
= I„ -A(A ,.PA)-1 A TP-A(ATPA) -·! Arp+ Sprawdźmy, dla jakiej macierzy .Q estymator crJ
= LTQL jest ni ezmien-
+ A(A rl'A)-
1
~\ Tp,_~PA)~: A l'p,,, I„ _:\(A Tp,\)-1 Arp,,, M n iczy względem X. Otóż, jeśli V =.,AX + L, skąd L ~· V ··· AX, to
I,
If ilL=(V T - XTAT)Q(V-AX)=
2) Jeśli AE 9\ 11
·', to Tr(Ml =n -r = v rnv-vrnAx-x rArnv +x r ArnAx
~---- --- ···· -----~
dowód: po wf11 no b yć równe O
1.50
151
· D _ { ,..... "'·\=o Tr(ilP- 1 )::: I} jest zbiorem dopuszczalnych macierzy Q
Zatem ślad iloczynu ncL można przeds tawić w postaci " d ZlC C - •~ • •'-'
, • •
':" dy estymator ma być niezmienniczy i nieobciążony). Rozw1nzamem pro e mu
bl
Tr(Qp - l )
~~A4) jest macierz (np. R AO 1982, KUDAEEK 1988, w1:;"NIEWSKI 1996a, 1998, 1999a)
~...----'
gdzie "[ =Di:J.g(y1 . '12" ·· , '/„) jest diagonalną macierzą współczynników eksce- a·
• ?
== L'/' nL .:= · ---I -· - L'/' PML = ·- ··""'
I LT PML
0 T~M) n-r
su zmiennych l?sowych x;'b , x!J.", .. . , x;:b, natomiast diag(Q) - wektorem
utw~rzonyn1. z diagonalnych elementów macierzy n. Zakładając, że wyniki
ponua.ru_ maJi.1 rozkłady prawdopodobieństw o zerowych wartościach współ jest estyma torem o minimalnej wai;ancji w klasie estymatorów niezmienniczych
czynmkow ekscesu (na przykład rozkłady norma lne), tzn. i nieobciążonych. W praktyce korzystanie z wyprowadzon~f?O powy7:~j wzoru, ze
względu na konieczność oblic-Lania macieny M = I„ - A(A PA )- tA P, nie jest
1 1
Vi:y; = 0 -4 y=O zbyt wygodne. Przypomnijmy jednak, że iloczyn ML jest estymatorem wek-
tora poprawek V. Jeśli ponadto skorzystamy z wykazanej wcześniej relacji
wyrażenie określające wariancję V(L.,..QL) redukuje się do postaci
M r PM= MP, to okazuje się, że:
T ,
V(L .!1L) = 2fr(ilC1.ilCr,) (3.43) aij "'{}'Ql, = f.TDz "'y 'l'Qy =
Wobec ~ałożenia .Y~ O, problem estymacji niezmienniczego, nieobciążone l 1 T r
= .„ „_ . • L'.. PML = · · ··-· ·~PM,!::=
go oraz na.Jcfekt3'.'wnte~szego współczynnika wariancji jest nastQpującym pro- 11-r n - r yr y
blemem optymabzncYJnym (względem macierzy .n E <t>)
= ___!____ yTpy
11-r____
ca.44)
152 153
(gdy V =AX + L =:VILJ. Zatem ostatecznie zapiszemy:
• j
6-(; = -·--V PV =
- T •
111()
>
I
f
I
l
Estymator
wiarygodności
współczynnika wariancji
. . .
metodą największ ej
. .,
11-r OAG J r . d . 1VW w maga o czym ju ż wczesnieJ wspomma 1ismy,
Zastosowanie meto Y , Y .' . · x"h Przyjmijmy, co
. . · . k ie (Toś rozkładu zmiennej 1osoweJ . . .
(przypomnijmy: w praktyce geodezyjnej estymator a jest nazyvvany błę przyjęcia
bl J a "' . h
l "'OdezyJnyc ma wazn . : e uzasadniPn
· · · ie teoretyczno-praktycz-
kl
dem średnim spostrzeżenia typowego i jest oznaczany przez m ). Wyznacze- .ob jest zmienną losową o łącznym roz a -
0
w pro emac 1 „e 1'k 0, .
nie estymatora a(T na podstawie relacji (3.46) nie sprawia już żadnych
0 ne, że wektor wyn , w ;o~i~~~ _xC "";2p·-l ], przy E (x";')= x. Wówczas
istot- dzie normalnym, x 01 - N„[L (x ) , x"h O
nych problemów numerycznych.
.
Niechob elementami
ob ob
wektora
~l
x. 0 h będą
. .wzajemnie
. 1 „
niezależne
.., 1
wyniki po-
1 - !•. 1 .- L I ,,·, T C-1 ( oh )]
miaru x , x2 ..... x„ o wspo neJ wananq1 o-- (a 1- =···=a,; = r,- ), tzn. j (x "b ; crJ)= (2n} ~JCx"'' i· 2 • [ --i ( x·'
c xp - .X) x"" .X · -X . "'°
cx p(--;-i: T C - I
0
;, E)= (3 .49)
.:.. X
a więc
czymspelniaJ~Cy za<losc ma_ ' . .) I t, ·esuJ·ąca
. . ,, ksimum funkcji wi ary godności ze wzgl ędu na X
(o była juz mowa wc_zesnrnJ . n ei , ' nas teraz fun kcja wiarygod-
no ści ma nat omiast postac
W.48)
(3.50)
gdy Vi: a 1 "'u
Niezmicnniczy i nieobciążony t~stymator 0- ~ - - o postaci (:3A6 ) lub1 Gdy s korzystamy z logarytmicznej fun kcji wiarygodności
n ;o .n-~
J.„-M (KunM:EI< 1989), i wyznaczenie macierzy Q wiąże się z dodatko-
wym, dosyć złożonym problemem optymalizacyjnym (WrsN"mWSKl 1998).
154
155
f
uzyskamy równ anie !
i
i 3.3. Estymacja przedziałowa
-11aJ + y'l'py =O I
i
którego rozwiązaniem jest estyma t01· Wyznaczo ne wcześniej estymatory są punktowym i ocenami nieznanych
para metrów 0, prz>' czym e mogło być także para metrem wielowymial'O·
wy m (np. 0 := E(x"„)). Niekiedy w praktyce konieczność oceny nieznanego
-2
a 01 NIV =·-l V-rPV-
li (3.:')l) parametru tylko j edną li czbą "!oże u rozsądnego inżyniera wywoływać pe·
wien niepokój , uzasad niony nieuniknionym błędem szacunku. Przyjmujqc
istotnie różnhcy si' 0 cl , • · · dodatkowe założenia o rozkładzie wyników pomi:ll'u x0 i> ( n p., że mają one
• ' • t; \\czesnieJ wyzn aczonego es tymatora ·'.! I • ·1 •
<To = ·- --- V PV
rozkłady normalne) można jednak także u stalać obszary , które z przyjętym
Należy więc przypuszczać, że nie s elnia . . .. . ~1-r
nych od dobrych cstyma to1·ów. p on wszystkich wlasnosc1 oczekiwa- prawdopodobieiistwem pokrywają nieznany parametr e (co w pewien s posób
ł agod zi ten niepokój ). Na p rzyk ład, o czym bę dzie szczegółowo mow a
. Zb<~d~jmy, czy estymator (3.51) ·es t nicob ._ .· . w dalszej częśc i podręcznika, dla punktów sieci geodezyjnych t akim i obsza-
naJmnr eJszvch kw ~d 1·at" t J • c1.1zony dla uzyskanc·~o metod·1
- " ' ow es ymator·1 V ( . · · "' ' ra mi są eli psy. Obszary, o których tutaj mowa, będ ziemy nazywali ogólnie
gdy wyniki pomiaru nnJ·ą ro l ł cl ' l ownowaznego estyma torowi NW.
T '
M "' T„ - A(A PA )'-1A r P Et <to· • 2
z'
a Y norm a lne) czyli cli v'
. . '.. a = -,vIL. gdzie
· obszarami ufnośc i (np. elipsy ufoości ) lub, w przypa d ku gdy El jes t s ka larem
,
Zatem po wyznaczeni u
. s yma i a
O!NIY
Jest rut.'Obci·1 . 'li E - ,
,zony,1es ;(a1)1.vw )=Ó\).
„ (np. 0 := E(,t "")), przedziałami ufności.
Obszar ufności parametru 0, t o taki zależny od es tymatora obszar e
L\(G) = 1\e. który z prawdopodobieństwem y pokrywa ten parametr, tz n.
(:3.55)
2
o c14zente ma następuJącą postać:
obc(uO/NIV ) - E •2
wa rtośd ~------
oczek iwanej -----------.
współC',i:yn nika wariancji cl a
/~
. ?
- .(0'01,vw) - ao- = !L::L,...2 _ ..,.2 _ li 2
11 "D "0 - - ---()IJ (3.52)
Ponadto, po us taleniu zwi<tzku m· <l· • . . r skalarnej wcktorn X w moc.Idu
r em kwadratowym a-2 i • t . . tę zy wczesmeJ wyznaczonym estymato- /:(x"''l ~ .c
o es Ym atorcm NW, uzys kujemy f.'(x"') " x ~ A X • w
nej E(x;'b ) = E(x"") ::: x i wspólnym odchyleni u standardowym ai ::: a. po- , "· _ ' ' - . · ··+ a- r\
· r zedzial D., "" \ 81; 62/ -- \·l 0 x 1· x . ·' / :
nadto zmienne te mają jed nakowe rozkłady normalne Wyrażenie (3.59) oznacza , ze p . . f ości y pokrywa wa i to:>c
równym poz10 mow1 u n , .
z prawdopodobieństw em
(3.56) oczekiwaną E(x"b) = x.
P rzyjmijmy równwz, że estymatorem wartości oczekiwanej E(x"") =_,.
jest estymator metody NK, czyli zwykła śre dni a arytmetyczna
Rys. 3.8
l "'<1) :: X.
-- odczytać z tah. I wartość d. a .,, 2
. d ·h lenie standardowe k .
Nieznane o c y . I .· . t k1' przypadek, w tor ym
. .a o roz l<ł a d zie . . I 0 1est zna e..:c a
(d la r;ażcl ego
1
i : --d.t·- = --I ). W owczas
- k orzystaJąc
. z za l ozem . nor- W praktyce geodezYJneJ tr_ u~ n d , d cero po;cdynczego wyniku po-
dx; 11 . • . . · d ) \enta stan ar ow „ , ·
byłaby znana wartosc o c 1'! . ' _„/, - N{l~(.rill' ); ol. lecz clysponu,1e
malnym zmiennych ..;11' oraz na podstawie własnosc1 tego rozkładu (zob. .0 ł,. więc ze co pra\~ da .l:,
rozdz. 2.3), można wykazać, że estymator .( ma także rozklad normalny miaru r" Za ozmy ' . · r·c .1111 ) „. r
• . .' . t a wartości oczekiwane] ,; .l - .
się, oprocz e styma or, '
a rn.58)
-~ - N[E(.r) = x ; a_r = r ·I
VII 159
158
p .
edura wyznaczenia przedziału ufnosc1 t1 x - I• 2_ •
, ·.t
- (e -e ) =(1: - a,r; .t +O-,t}
. -~~c · · m tuta· istotnie od zakresu działań 7.w 1ązanych z _wyzna-
~-1~ \:~1 e~~~:t~ra wa1~tości oczekiwanej, gdy_ !e_st znane odchylenie S~<~n~
~za~ e a Nal eży jedynie parametr C1 zastt\p1c Jego es tymatorem ~~n { ol
at O\~ o.raz pamiętać, że zmienna 'l j· ma rozkład Studenta o, j - ''. _··· .
jedynie estymatorem a odchylenia standardowego ()( bł ędem śre dnim poje- wym ·,eh swobody (wartość I odczytujemy z tab. gdy zn.me są / !!I,
dynczego pomiaru a posteriori). Ponieważ wyniki pomiaru dotyczą jednej ~topnta ) J <r f> 30 ro zkład 5tudenta można zastąp1c standardowym ~oz-
wielkości ·' i estymator E( x"b) =.i był wyznaczany bezpośrednio (r = l ), więc 1 ri = l - )' . e~ l . ,k '. t· ~ , tab I (tak jak w sytuacji, gdy znane JCSt
kładem normalnym t orzys ac z .
na podstawie (3.48) odnotujemy:
odchylenie standardowe).
a2 == __.L_y T y =__1_ y Ty
()
Odchylenie sta ndardowe O".t = ,[;; estymatora x należy także w takim przy- · h we ktor wym' ko' w pomia ru ·x."" ma łączny rozkład normalny
Niec
pa dku zas tąpić jego estymatorem
x: ob - N
1 ,1
(E( x.ol> )., C x"h -- O"o2p-1 j
<:3.60) crdzie
"' E(x"b ) = x = AX
nazywanym błędem średnim średniej a rytmetycznej . Przy t akim założeniu, niezmiennic~ym'.. nie~~ciążony~. i najefcktywni~j:
Wcześniej wskazywaliśmy, że estymator (średnia arytmetyczna) .t ma współczynnika wanancp C1o Je st wyrazeme (przypomn J
szyro es t ymatorem
rozkład normalny, .t - NLE(.r) =x; a.(], gdy tylko \:/i : xi'b - N[E(x"b) = x; o- ].
.
my: V =ML , M I M
'/" )
.
=PM)
Przy takim samym założeniu o rozkładzie wyników pomiaru, estymator 6 X~ .?
Oó = - „-..l - .. V•T PV• ~-=
ma rozkład hi-kwadrat o J = 11- I stopniach swobody (er_~ - XJ, o czym będzie 11-r
jeszcze mowa w n astępnym podrozdziale)_ W takiej sytuacji zmienna losowa = __ l --I/ M 1. PML ::: _.!_..- 1/ PML
11- r 11- r
„ .r-E(-1:) .i - x . . ob . t l .
I 1 = ·- ·-·- -·- ::: -----·- Pomewaz L =w - x , wię c a ( ZC
ax- a-X
L - N„lE(L); CLI
ma rozk ł a d Studenta o f =11- I
stopniach swobody (zob. rozdz. 2.1.1). J a k
już wspominaliśmy, rozkład Studenta jest na ogół tablicowany w t a ki spo- gdzie
E( L ) = w-E(x''b) = -AX
sób (tab. III), że podawane są wartoś ci 1, dla których przy f stopniach swo-
body i wartośc i prawdopodobieństwa a== 1- y, zachodzi P<!Trl > r)::: a. Ponie- oraz
waż jednak · CL== Cx""
!
P(!T1 s 1) == 1- P(J7/ J > c) = 1- a == y
P o wprowadzeniu macierzy
I M T PM = „ „ .„1••• PM
więc U = „---
? 2
<Ti) Oo
161
160
ma rozkład x}.;.. Po ustaleniu stopnia swobody fi parametru niecentralno- (3.64)
ści A., uzyskujemy
0 1
j . = T r( J3C L) = Tr(-Ą
l PMac)P = T r(l\'1) == 11 - r
Praktyczne zastosowanie znajduje również dwust~·onny przedział ufności ,
-
)
a·'o
wyznaczany na tym samym poziomie ufności y. Pam1ętaJąc, ze
- , T . I T I '/' T
A"' E(Li Bl:(L) = - ·i E(L) PME(L ) = - --.;- X A PMAX =O
ao ero
< :~.zk_ład 0 xJ.i.:o0 jest notowany jako xJ ). Skoro forma kwadratow a
V PV I cr(j ma centralny rozkład hi-kwadrat o f == 11 - r s topniach swobody, to można ·tapisać (rys. 3.1 O)
(1-ys. 3.9)
(3.62)
/(/;_,)
l
Rys. :uo
Rys. 3.!J
Ponieważ Po przekształceniach
I · r P-Y·, --> V
cr.20 ==··-····--V ·r PV· == (11 -·· r)a· " , (n - r)aJ
ll-T
0 XI ~ -·- ---~-- - ·· -->
a()
więc także
, (11 - r)aJ
f,{(11 - r)ac~ . 2 }-·
-·-1--- ~x -- l
-> a<)~ .„ .. ---·;; · -···
Xi
ao
uzyskujemy
lub (po prostych przekształceniach)
-
P{-~~~ r)a6_~ oJ ~ .~!..:- r~_<!..§_1 = l -a
xi X1
(3.65)
(3.63)
zatem współczynnik wariancji crfi , z prawdopodobieństwem [, jest po-
Z wyrażenia (3.63) wynika, że współczynnik waiiancji ac;, z prawdo- krywany przez przedział ufności
podobieństwem )',jest pokry wa ny przez prawostronny przedział ufności
163
162
I
! Rozwiązanie
! Dla ustalonych w tym przykładzie warunków, estymatorem metody naj-
mniejszych kwaru:atów wartości oczekiwanej E (x 01') = x jest zwykła średnia
gdzie (przypomnijmy) ' arytmetyczna
.? l -r -
O"{) =-·-V PV =m2
n - r o E-( X „1,>_
- X-
'
--1-IIl
li
ob = 10. .)
X, 1
id
Odczytanie z tab. II wartości . 2 i . 2 d . .
ziomowi ufności l wiąże si
rys. 3.10):
/1 .
X2 ~ powiadających przyjętemu po-
, . ę z nas ępuJącym1 prawdopodobieństwami (zobacz Nieobciążo nym estymatorem wariancji a2 j est wyrażenie
I · r, ~ -2
a
-2
= ;
1
::_:i· V V =-;;-..::I 1L. v1 =m
2
•~!
oraz gdzie v1 ~ .\- - xi'b . Po wyznaczeniu estyma torów poprawek v; uzys k ujemy:
p{ i!.1....-:-_!l__c!J_ > .
2 }- a _ .l .- y v1 =I0.3- 10.2"' O.I
aJ - X1 -- 2° - ~2~~
vz =10.3- 10.3""' O. O
Przedstawione powyżei dział . d .
.
d e l u macierzy ~ arna o noszą srę tak.Ze d ·1
kowariancji, w którym · · · o szczego n ego mo- v3 = 10.3-10.4 =· ·O. I
Wobec tego
C :"("" =a 2I Il
-> {p =I„
") ")
<Ir)= <r
Przedziały ufności wyzna. Przykład :ł.2
czane z zastosowaniem estymatora
Wyniki pomiaru x)' 11 =100.25, xJ.11 = 100.47, 1
o:::100.25, = 100.30 x!/ x:;b
a =··---V-r-V=m-? mają taką samą wartość oczekiwaną E(x" ) =x, lecz różnią się odchylenia-
-2 l 6
11-r
mi standardowymi: a 1 = 2, a2 "" 3, <J3 ~" 1, O:i = 5. Stosując metodę NK obliczyć
będą w takiej sytuacji dotyczyły wariancji d-. estymat or wa1tości oczekiwanej.
164
165
Ponieważ są znane odchylenia standardowe, więc ac~ =1. a stąd (gdy Zatem
c = l ), p =o:.'.;, ::: c:.'.h. w takiej sytuacji, dla zmiennych niezależnych, wagi
1
P; można przedstawić w postaci Pi = - , . Zatem po obliczeniu oraz
CY;~
1
i=I
1] [-o.ooos1 r0t
v =[1 -92.4262~ - 92.4250 == 0.0012 1· ==[02 ]
[ 92.4270]
uzyskujemy l~(x"b) = .r = 100.31.
i 92.4255 < l 0.0007 .< \:,
g ... g) ·'
Przykład 3.3
Wyniki pominru n;'"
= 92.4270g. a~ 1' = 92.4250g. = 92.4255r, kąta a. są a!/' a na jego podstawie - est ymator współczynnika wariancji aii<r = 1)
zmiennymi losowymi o wspólnej wartości oczekiwanej E(o."b) =a. \Vstępny
mi oszacowaniami odchylcri standardowych tych zmiennych są następujące
błędy Średnie pomiaru a priori: m =!Oce. 111 = 15cc, m = 20cc_ Obliczyć es- 0-2 =mii =-·-V
1 - T P V=
- I L p;v;
- -- ,o "
= l .402 (bez miana)
1 2 3
tymator NK wartości oczekiwanej E(a"")"" a oraz estymator współczynni ka O 11 - r 11-l
i=I
wariancji a 1~- Obliczenia wykonać korzystając z algebry macierzy.
V2 :;; O.~
o/J
l12 w V =I 3 a-x'" , gdy l:i = Il oraz x = a.2
1
[I
ob ob rai'"] E(x1ob) =
E(x!/')= -Xi
X1 + X2
p+~ l
o o Rozwiązanie
I OO.OO
4
•
Wyznaczenie - x "'' )
estymatora E( =1r E.• (.t1.ab) • f:(- x2o/, .), E.'(x o/J
3 )
)'/' wektora wa<-
-j' o = 10 44.44 tości oczekiwanych
m1 [
lo () .,
_ _l___ J 25.00 (gf2
mf
i
166 I
i \
167
jest związane z następującym modelem funkcjonalnym (jeśli w "" O, to L = - x 0 b):
V= E(x"" ) - x0 b = AX - x"b
II
i
us ta lamy wartość esty mat ora wa1; tmcji - k wad.r at błędu ś re dniego pojedyn-
czego pomiaru a posteriori (r = 2, bo w procesie e stymacji były wyznaczone
dwa parametry, stąd /1 - r ~· 3 -- 2 = l)
gdzie: 'I
!
Ą .,. -
I
[vll [ I Il X= U~ J. =[
-2
<J =m2 V V
= -~=-- -
0..:18 _ !).„..,
·" '
, 11-r I
V = v 2 • A :: - 1 O. x "b
3.5]
-0.5
V3 () l - 1. 8 E stymator odchylenia standardowego (błąd Ś rt.! dni pojedy nczego pomiaru
a poste1;ori) ma w ar to ś ć
. Sk- ~ r~ zrmenne
· xob ob ub
1 • x2 , x3 są wzaj emnie niez ależn e o wspól nej wa- a= m = ./OAs = 0.1
n a ncJ1 a-, to
PrzykJad :3.5
Mier.wno pewne wielkości o wa rtośc i ach p rawdz iwych x 1, x 2 • x» x.1•
Wektor warto śc i ocze kiwanych poj edynczych (wzaje mnie niez ależ nych) wy-
ników pomiaru tych wielkości można wyrazić w postaci nastę pującego układu :
S koro zm ien ne x f'b ' ... 'xrb S<1 wzajemnie niezal eżne, to (gdy c = I)
iJ l l.Oj L·L5j l-3.5 P ods t awowym dzi ałaniem prowadzącym do rozwiązania t ego zadania jest
' C „i. losowego wektora wyników pomiaru
utwor zenie macierzy kowariancji
Zatem X
x"''. a następni e macierzy wag P =c-"n1. (ponieważ są znane odchylenia
T
A PA=
[] 03.33 16.67.j T _,
(A PA) . :::
[ OJJlO -0.0051. 1'
A PL:::
l - 137.001
j
standardowe, wi()c al~ = l. skąd C X ~1, ~ Q X111, ::: p-I ). Skoro zmienne x 1 i x,-
1
x-. = -(A T P Al -l A .,. PL "" . I' .16J- cov(x2b, x';'' ) = cov(x~b . x2/J) = O
· Li.os
Znając wartość współczynnika kor el acj i mi()dzy zmien nymi x]' 1'
~ n/> )=x=AX+w=
E.(x - ' l
12.1 11
l.92 , ,...
3.45 ,_,
i-
x
3
oraz war tości ich odchyleń standardowych , obliczamy
r- o.[
~
3 ~
P o ni eważ
-0.51
~1.
4.0]
Przyldad :3.6 A=[:2 o
w = - 5.0 ,
[ 2.0
L = w - x"" = -4.0
[-3.oj
Wyniki pomiaru x;'b , x~1'. x'./' trzech różnych wielkości są zmiennymi lo-
sowymi o odchyleniach standardowych, odpowi edn~o : o 1 ·•• I, o2 '" 2, a3 °' 3. oraz
Współczynnik korelacji między zmiennymi x;'"
i x!;'' wynosi fiu = 0.4. Wy-
1.~ o.~s
niki pomiaru xl'b i x~:/' oraz x!;_f' i x] 1' są wzajemnie niezależne. Stosując 9 -0.16]
r =c- =[
1
0.~3
metodę najmni ejszych kwadratów, wyzna czyć estymatory wmtości oczek i- ,
x'1J
wa nych tych zmi ennych , je ś li ~O . l6 O
wi ęc
['']
E(x;'") = X1 + 4)
x"b = -- I.O oraz E(x!;_l'J = X1 + Xz 5~ I
" -°!> E( x"b)=AX+w T
A PA=
[ ! .33
0.25] , T
(A PA )
-I
=
[ 0.92 - 0.92]
, A T PL = rl.751
1
E(x~ ')"" 2X 1 -0.92 4.92 I.OO
5.0 + 2J 0.25 0.25
170 171
Po obliczeniu estymatora wekt ora para metrów X, uzyskujemy nic pasują" do wek torn realizacji x0 b. O tym braku dopasowania wskazywa-
la j ui wcześniej wartość estymatora współczynnika wariancji 6J = 0.49,
X• = -(A T PA) - I A T PL= [0.69
~~
_, __,o
] istotnie różniąca się od teore tycznej wartości CJc~ =I.
Przykład a.7
Estyma t or wektora wartości oczekiwa n ych zmien nych xl'b, x~b, x~t ma Zmie nna losowa x 0 b ma rozkład o fu n kcji gęstości ( rozkład Rayleigha)
postać
Celem s prawdzenia, czy przyjęte w zadaniu warto ś ci eleme ntów macie- R oz w i ą za nie
rzy kowaria ncji C
~
„„
są realne, za ł ożymy, że jest to je dyn ie macier z kofak- „ 111· ''aCJ
I.'\.et ,~ .1'-.. x ob , x ob .. •. , x„
1 2
ob można traktować J.a ko ,,oddzielne" zmienne
torów ( p r zy bli żenie macierzy kowa ria ncji). Przyjmijmy zat em , ż e c'_„b jest losowe o fun kcjach gęstości
taką nową macierzą kowariancji, że x
olJ 2
.( ob) - ?' .obJ- ).(.<; } i =l„ .. ,11
J :Cl - - A · '1 c '
V= AX+ L = E(x 0 0
b ) -x b =
0.19]
- O.OO
[- 1.6 l
uzyskujemy następuj :wą wartość estymatora współczynnika wariancji:
Jeśli zat em L(A.; x"/J) = rr li
i= I
/(A.; x;'b) jest funkcją wiarygodności ( względem
. .,. . A.), t o logarytmiczną fun kcję celu me tody NW można zapisać w postaci
·" = ······--·---·--·
C1{) V PV = 0.49
n- r n 11
Wobec teg o 1("A; x"" )=In L~; x "b )=n In 2 A+ l, In xi'" -A.I (x ib )
2
i=I i"-'1
. cx"h =O"ii
c'x"/J =O"o ? ..,p - 1= [o.49 o 0.58]
o l.95 () Wmunck konieczny ekstremum t ej funkcj i ma postać
0.58 o 4.39
172 173
(zobacz tak:!.c .JóżwrAK, Poncónsia 1992). ł,atwo można sprawdzić, że waru- Rozwiqzanic
z treści zadania wynika, że należy wyznaczyć takie 11, aby
nek wystarczający maksimum -iii(>„; x"" )<o jest spełniany dla każdego /..
P{I.\ - xl $ l .5 0}=0.90
Przykład :3.8 Porównując powyższe wyrażenie z prawdopodobie11stwem
Mierząc pewn<\ wielkość o wartości prawdziwej x , uzys kano wa rtości
. -· .t2ob = IO.· I "·
r = 1047
.\.oh ~
x3ob =I O.47. Wym.k.1 pomiaru · . · meza
są wzaJemme . l cż·
Pb - . \1$ a_r t}= y
ne i mają rozklady normalne o wspólnej wartości oczekiwanej E(:r" ') i wa- 1
można z auw ażyć, że
.
nancJJ . . a~.
' czy l 1' \J•v1: :r;" " - N[E• (x " " ); 0.4). PrzyJIDUJC\C
• .
poziomy ufności:
a) r = 0.96. b) i'= 0.98. wyznaczyć estyma tor przedziałowy wartości oczeki· CJ.t! :-: l.50 = _f!._ I = 1.5()
E•( X ob) = • IL
X '" ··•·
li
Il
„;, ).44
X; . =: f{ O'.;
0.4
= .r,: =J..1~ = 0.23
(J'
175
174
gdzie t jest tym ra~em taką wartością zmiennej losowej 1j· o rozkładzie Przykład 3.11
S_tu denta, że P(j1jj>l)=a, a= l-y, /=11-!. Wobec tego wyznaczamy Zmierzono długość pewnego boku w sieci geodezyjnej i uzyskano nas tę-
f3 = 43.28961.l, a następnie pujące wyniki:
v, = f3 - Prb = 2cc cl;';, = 248.135 (m ). d!J.'1 = 248.232 (ml. d~b ::= 248.238 ( 111),
Y3 = /3- fJ!/' = 4cc Ustalić przedział, w jakim z prawdopodobieństwem y == 0.95 znajduje si.G
prawdziwa wartość długości tego boku. Przyjąć, że wyniki pomiaru mają
ii.1 = /J-{J%b =- 4cc rozkład norma lny.
oraz
Rozwią zanie
Prawdziwą wartość d długości boku można utożsamiać z wartością ocze-
kiwaną wyników pomiaru, tzn. E(J<>b) = d. Ponieważ nie jest znane odchyle-
nie standardowe wyników pomiaru, więc przedział ufności będzie miał tutaj
postać
Poni eważ poziomowi ufno ści '/ =0.90 odpowiada wartość a = 1-y = O. l O ,
więc dla f = 11 - l =3 stopni swobody z tabeli III odczytujemy t = 2.35. Zatem - a
d - - 1 Sd$d+ 1 .1
- a
obliczając J~- 1 = 4.2cc, uzyskujemy
Ji"i "li
11 gdzie 1 jes t taką wartości ą zmiennej losowej 1j o rozkładzie Studenta, że
p {43i:2892 $ fJ $ 431:2900}=0.90
PCj1j I>1) =a. Wobec t ego obliczamy ·
li
P rzyjmijmy teraz (tylko dla celów porównawczych), że jest znane odchy- f:.·ctl''i,) =a= l " t1;i1i =24s.235 (m>.
nLi
lenie standardowe wyników pomiaru kąt a. Oczywiście założenie to ma nie - i= I
wiele wspólnego z rzeczywistością, ale załóżmy, że n ic tylko a= 3.6cc ' lecz
także <r =3.6cc_ Zmienna
<J - = ~-r
·· ·-- V V· == 3.5 (mm).
11 - l
176 177
Przykład 3.12 Przykład 3.13
Pewien azymut A zmierzono 41 razy. Średnia arytmetyczna z tych wyni- Ustalić prawdopodobieństwo , przy którym bezwzgl ędna wartość różnicy
ków pomiaru wynosi ;\ = 20.4526;;. Po obliczeniu błędu śred niego pojedyn- między wartości<\ oczekiwan ą E(X) a jej estymat orem jest mniejsza od
czego pomia r u a posteriori, uzyskano 111.·t '·" 7cc. Przy zał ożeniu, że :-' =0.80, :3-krotnej warto ści odchylenia standardowego tego es tymatora. Przyjąć, że
wy znaczyć przedz i a ł , w którym znajduje s ic; prawdziwa wartość mierzonego zmienna losowa X ma rnzklad normalny.
azym utu \przyjąć, że wyniki pomiaru S<\ reali zacjami zmiennej losowej
o rozkł ad zie normalnym ). Rozwiqzan i c
z treści zadania wynika, że
Rozwiązanie
Prawdziwą wartość azymutu A utożsamimy z wartości;i. oczekiwaną EU";.)
wyników pomiaru. Błąd śred ni pojedynczego pomiaru a posterim·i m_.1 t.o,
oczywiście, estymator er odchy lenia standardowego zmie nnej losowej „wy-
gdz ie y jest nieznane. Ponieważ ogólnie
nik pomiaru". Mamy więc tutaj do czynienia z sytua cją, gdy odch y le n ie
standardowe jes t zastę p o w ane estymatorem, co oznacza , że przedział ufno-
ści dla wartości oczekiwanej wyników pomiaru (lub prawdziwej wa rt ości
azymutu) na l eży pr zcdst<iwić w postaci
~- o h a E ,,/,) • . ,,,·, . 6-
/:(„\ ) --7,;1 ::; -'( A ::; E(A )+J::r
W zadaniu mówi się o odchyleniu standai·dowym, a nic o jego estymatorze.
lub, biorąc pod uwagę, że ó'"'m,1 , 11
E(i\ /J)"' :\, f(t1 "1;)=i\, w pos taci Zatem
„ E co- E(X)
I = ..„ ..- ..„ ..--„„···· -·
al~
lu b
a
P{!t/ - di S·J"-1}= i'
! I Ił
dla -.r;,
a d----·
179
178
• Prawdopodobieństwu y= 0.997 odpowiada wartość t = 3 (przy założeniu, że Kon:ystając z tab. II, odczytujemy ;i= 0.584 (dla/= Il - r = 3, 1= 0.90).
d ma rozkład normalny). Każdy z podpunktów zadania można zat em roz- ·'
wiązać, korzystając z następującej zależności Poni eważ (~~_:!)~ =0.0034, więc !:/', = i O; 0.0034), co oznacza, :i:e
x" er \
!!__t =ker P(a 2 < 0.0034)=0.90
..r,;
· ł u f nosc1
b) Dwustronny prze dzia · ~ u"LP = Je
\ - 1; ""
c-2 1' \va na
· ncJ·1· ,,i
v J·e s t Z\v1·ą-.·any
. u
2
przy czym k""' I, 2, 3. Wobec tego uzyskujemy: a) n= 9, b) n = 3, c) n= l.
z prawdopodobieństwem a
Przykład 3.15
Wyniki pomiaru xf'b =l.26, --c'.ib = l.28, xf/' = 1.32, x~)" =l.30 pewnej wiel-
kości x są zmiennymi losowymi o jednakowym rozkładzie N[E(x"b); er]. Sto-
sując poziom ufności y~ 0.90, wyznaczyć przedziały ufności: a) prawostronny,
:d, xi
7
b) dwustronny wariancji d. przy czym są takimi wartoś ciami zmiennej losowej X ]=ii-r, że
l+ y ? 7 1-y
Rozwiązanie
7
P(Xj ~ xl)
?
=-·2·-- P(t.. 1- ~ x?)
.„
=~
2
a) Prawostronny przedział ufności D,.P, =(O; e) wariancji d jest związany
z prawdopodobieństwem tr Ponieważ w naszym zadaniu
l+v 7
__ !_. = 0.95 -t (gdy I= 3) Xl = 0.352
2
P(xj
?
~[)=y
?
więc ,1,.u~ = (0.0018; 0.0057), czyli z prawdopodobieństwem f'·' ' 0.9 można
u-
twierdzić, że 0.0018:::; u 2 $ 0.0057.
W celu wyznaczenia estymatora punktowego wariancji dl, przede wszystkim
obliczymy estymator punktowy wartości oczekiwanej wyników pomiaru Przykład 3.16
li
Po zmierzeniu czterech różnych wielkości uzyskano następujący wektor
E(x 0 " ) =l_"
Il L._,
xj'b = l.29 wyników pomia ru (w metrach):
i= I
a na s tępnie 2.0061
x "b = 1.992
V1 = E(x)-x;'b = 0.03 3.009
[
v2 = E(x)- x'-J.'' = O.Ol I.OOO (m)
v3 = E(x)-x~ 0 = -0.03
o modelu wartości oczekiwanych
v.1 = E(x)-x:\0 = - O.Ol
[~:~~~1 ~
Wobec tego (n;;: 4, r = 1)
E( x"b) =AX +w
cr-
. ? I
= ~--
l!-r
L ·' =0.00067
li
v :-
I
3.000
l= l I.OOO
(Ul)
180 181
Zakla<lajf\c, że wyniki pomiaru sq wzajemnie niezależne i maj.<\ rozkłady b) Gdy poziom ufności 1 = 0.5, otrzy mujemy
normalne o wspólnym odchyleniu s tandardowym a, ustalić przedziały ufności
wariancji dl.
Rozwiązanie
f . . ., Przcd7.ittt x? Ii Przc<lzi;~ll
Poziom u l'IOS CJ /..2 prn,i..·os l ronny dwust1o_n
_ , nv_, 1··
r ~~ ti ~mr
I I „
A •
X ,_, -( A A ) - A L
-
-s- ( mm)
l-''I
4 .l(nu11) r----00.8
900
~
-~
_J_ :: : :::
0.21 1
~::::
0.103 20 :s " ~ :5 1165
I
·2
(J
I ·r·
=- ----- V V = 69(mrn)
11-r
2
~--o_.5_~_-__ L__i_.~s_r_, _ _J
·1.605
2fi s o2
·--,-~-<-_-8-G---!lf----~->:-;-~;-,--t--.1-3-~-.o-2_s_2_0_9_f
:s 569
„ , I +!
l'(x( ~ xn = "' 2'"'::: 0.975 -„)
x? "' o.oso przy czym ,._0 1> jest wektorem wzajemnie niezale:l.nych W')'ników pomiar u o roz-
kładach normalnych i błędach średnich 111 1 •= I {mm), 111 2 = 2 ( mm~, 1113 ~ 3 (mm).
P(x]
„ ~ x~·)
, := ·--;;-„
I - i'
= 0.025 - ) Stosując poziomy ufności a ) y= 90, h) _"/"' 80, ~vyz~_aczrc prawostronne
xi"'7.J78
,;.
i dwustronne przedziały ufności współczynmk a wan anCJl a5 .
uzyskamy następuj<\CY dwustronny przedział ufności:
Rozwiązanie
Przypomnijmy, prz edziałowe estymatory współczynn ika wariancji a(~
mają postaci:
182 183
::i) Ponieważ dla r~ 0.90, gdy /"' 11 -- k = ! , uzyskuj emy
I -„ \
.• P . -- 10 ·, e)-- . ł prawos t ronny
,, O,· (n-r)Uó_ prze d zia
1
u •
o- .
.
' x2 I P<x} ;?: /)=0.90 -> / = 0.016
. - ;:: x·ll
. - = --·-
1- y
2 = O. I o -> xi = 2.705
Wobec tego
0.25
O.li] _„
(mm) •
P(aJ::; 15)=0.80 przedział prawos tronny
Po obliczeniu wartości interesujących n as estym a torów punktowyc h , P(0.3::; rrJ::; 60)= 0.80 przedział dwustronny
uzyskamy {L = - x.0 b, gdyż w = O)
-
V= AX-x
- (Jb
=
0.2]
-1.5
[ 1.7 (mm)
oo„ = -11-r
I . T •
- V PV =0.96 (11 = 3, r = 2)
184 185
p 0 rozwinięciu funkcji Y = F(X) w oip·aniczony do pierwszych wyrazów
4. PROPAGACJA WEKTORA WARTOŚCI szereg Taylora, w otoczeniu E punktu x0 = E(X), uzyskujemy
OCZEKIWANYCH ORAZ MACIERzy
Y = F(X) = F(E[XJ)+ aFC~2_ ·i:=
KOWARIANCJI, KOFAKTORÓW I WAG ax x'"'i:<X> (4.2)
Przyjmij my, ie jest dany układ fu nkcji (fun kcja wektorowa) gdzie
l
~~1
Yi = 1T-'(X X X )
I ' l • • 2 " ··• ' n)
y, = F 2 (X 1,X 2 , „ „ X 11 )
.:.~~ Y = F(X) (4.1)
()F ,(X)
i
I ·xx:;-
)'
r = F„ (X1.X 2·--- ,X „ ) j n x ~ f:'(X)
g d zie X = (X 1 X 2 ··· X 11 { jest wektor em losowym (wektorem zmien- Funkcję Y = F(X) można tak.że rozwinąć w szerszym otoczen iu
nych losowych , np. wyników pomiaru x. 0 b, wyrazów wolnych L = w - x. 0 b,
it p.). Jeśli Y == F(X) jest jednoznacznym p rze kszta ł ce niem zm iennej X, to
dx =iix + r.
Y = [ Y1 Y2 . .. Y, {jest także wektorem losowym. dowolnego punktu x o, przy czym zakładamy, że /:).X nie jest wekt or em loso·
W teorii rachunku wyrówna wczego istnieje często koni eczność ustale nia wym. Wówczas
parametrów opisowych zmiennej Y, gdy są znane parametry opisowe zmie n-
nej lm;owej X . S posób „przenoszenia" się tych parametrów b ęd ziemy nazy- Y = F( X) = F(X 0 )+ ~~<~j dx =
wali prop agacją . Ust alamy, że interes uj ący mi nas param etrami opisowymi ax ·x~x<>
wektora losowego V, gdy znane s ą odpowiedn.ie parametry zmien nej X, :::: F(X 0 )+D(i\x +t) =
będą: wektor wartości oczekiwanych E(Y), maci erz k owari ancji Cy, macie rz
kofaktorów Qy oraz macierz wag Py. Zakładamy, że fun kcja F(X ) ma po- = F(X 0 ) + DL\ X +De=
~~
chodne cz ąstkowe wz gl ęd em wszystkich elementów wektora X. Fo
= F o + Dr. (4.:3)
Propagacja wektora wartoś c i oczekiwa nych
Niech gdzie
T Fo=F(X0 )+D i\ x
E(X 11 ) ]
jest warto śc i<~ ocz ekiwaną wektora losowego X (wektorem wartości oczeki-
wanych ). Zakładaj ąc, że E jest wektorem losowym o wartości oczekiwanej
E(c.) = O, zmienną loso wą X można przedstawić w postaci
X = E(X)+r.
gdyż wtedy
Korzystając z własności wartości oczekiwanej odniesionych do wyrażenia
E(X) == E[E(X)] + E(t) = E(X)
(4.2), wyznaczamy
Na przykład, jeśli X jest wektorem wyników pomi aru, czyli X := x"b. to E(Y) = E[F(X)] -= E{F(E[XJ) + D r: t }= E{F(E[ X J)}+ DE E(l:)
(o czym już była mowa wcześni ej ) x"" = E( x"") + r.. i E może być traktowane
jako wektor losowych błędów pomiaru. Ponieważ E{F(E[X])} = F( E(XJ) oraz, zgodnie z wcześniejszym założeniem ,
E(E) = O, więc
187
186
Zwróćmy teraz uwagę, że sko ro Y = F0 + De oraz F0 = F(X0 ) + Dó.x n.ie jest
I
E(Y1) = r j (E[XJ) \Vektorern losowym, to na mocy (4.5) uzyskujemy
E(Y) = F(E[X]) <==> E(Y'.?} =~·2(E(X]) (4.4)
E(Y,) = f~(E[X]) gdzie Ce jest macierzą kowaria ncji losowego wektora e (np. błędów pomiaru).
Natomiast w odniesieniu do rozwinięcia (4.3) uzyskuj emy Przyjmijmy, że X =E(X) + e l~b, bardziej ogólnie,
E(Y) = E[F(X)] =E(Fo + Dt) = X = E(X) + e= x 0 +L\ x + t = x<lO +t
= E(Fo} + DE{i:) =Fo
(Xoo = x0 + ~X). Wtedy, na podstawie sformułowania
Prop agacja maci erzy kowariancji
X=XO<l + Dt:
Przyjmijmy, że
gdzie D = 1, , oraz stosując zasadę propagacji macierzy kowariancji uzyskujemy
l
1
Y1=P) (X)1
(4.7)
y =F(X) = Y2 =~1(X)
Rozpoznanie (4. 7) jes t szczególnie istotne w odniesieniu d o wektora wy-
Y, = F, (X)
ników pomiaru x0 b (X: ::: x0 b). Ustala ono bowiem, że macierz kowa1iancji
c „b wyników pomiaru x0 b jest równa macierzy kowariancji cl'. losowych
przy czym losowemu wektorowi x =[X 1 x2 . •• X„]T jest przypor:r.<\dkowa -
błedów pomiaru E (C uh = C , , z tego związku korzystaliśmy już w poprzed-
na macierz kowariancji
nim rozdzia le). "
0"~ 1 cov{X~1,X2) )1 Przypadek szcz e_gólnx
I
cov(X 1.X 11
Jeśli
Cx = cov(~~,X 1 ) crX2 cov( X 2 , X 11 )
Y :o: F(X)~>
cuv{X 11 ,X 1) cov(X 11 ,X 2 ) cr 2
x„
Macierz kowariancji wektora Y =F(X), a więc macierz oraz zmienne XI' X2 , ... , Xn są wzajemnie niezależne, czyli
~1 )I
~,i
cov( Yi . Y2 ) o
[
O"
I
„ ·
co v(Y1 , Y, <T j
~
_ cov(Y7 , y 1) 0" 2 „. cov(Y2 , Y, ) ' <Ti
Cy - - Y2
Cx" : ...
cov( Y, , Yi) cov{Y,,Y2 ) cr 2
Y,
o „. (l/I
(4.5)
188 189
to Zgodnie z ideą tego modelu ( c:rJ jest wspólnym , n ieznanym współczynni
1
kiem dla wszystkich elementów macierzy kowa riancji), przybliża nej macie-
JF( X ) rzy kowariancji odpowiada zbiór „ równoległych" macierzy kofaktorów, wraz
af „I ux, z przyporządkowanymi im wartościami ws pólczynnika wariancji aJ. Na
iJF(X ) ... _a r-:~~91
dF(X)
I--···"·- --····
(c:r
rvs. 4. 1 przedstawiono &rraficzną ilustracj ę przyjętego modelu 0 > I - macierz
JX„ ax„ j I ()~ 2 I= c:r
l;owariancji "niedoszacowana ", 0 = I - trafna ocena elementów m acierzy ko-
r c:r~J ~j~J!
iJX„
wariancji, czyli Cx = QX• c:r0 < I - '„przeszacowana" macierz kowariancji ).
('1 .8)
l
1111 cov(X 1,X 2 )
„ ·:· nadal praktyczne zastosowanie, nawet wówczas, gdy trudno jest mówi ć
_ cov(X 2 .X 1) nz2_ · c. ov(X2.X 11 ) o jego adekwatności w konkretnym zadaniu obliczeniowym .
Qx-
z zależności (4 .5) wynika zasada propagacji macierzy kofaktorów. Przy-
„ wołując tę zależność, zapiszemy:
cov( X„,X1) fn;;
Formułującmacierz kofaktorów, najczęściej zakłada się jedna kowy po- Cy= DCxD T ~...}
ziom przybliżenia
dla wszystkich elementów macie rzy Cx· Takie założeni e aijQy = DaijQx Dr
'--.,..-J '--v--'
um ożliwia (o czym ju ż była mowa w nawiązaniu do wyników pomiaru) Cy Cx
przedstawienie macierzy kowariancji w postaci modelu
St..'.\d
(4.9)
190 191
Przypadek szczególny (4.11)
wię c
Jeśli
Wyrażenie (4.11) określ a za sadę propagacji macierzy wag.
Y=F(X)~>
~rzykłady
oraz zmienne X 1, X 2 , ... , Xn są wzajemnie ni eza leżne, to
Przykład 4.1
o o Wyniki pomiaru współrzędnych biegunowych (r, <p) punktu P sq niezależnym.i
zmiennymi losowymi o rozkładach „ o& - N[E(r 0 b); 0.10 (rn)J, <p"b - N[E(<p" ' ); 2(f !-
1
?
1112 o Obliczyć wartości oczekiwane współrzędnych prostok<\tnych (XP, YP) tego
Qx { ' : '
, punktu oraz odchylenie standardowe współrzędnej XJl' je śli E(r";,) = 100 (ml.
o m,~
E(1p"b) = !OOg.
Wówczas
lfozwią zanie
Ponieważ
?
mj
E(Y) = F(E(XI) -> tf E(Y1) = F1(E(XI)
_ T [iJF(X)
Qy "'Qy =DQxD = -=;--X
JF
_i___ __• (X)_ ... aF_~l] E(Yj) = Fz(E[XI)
i .
u iJX 2 ax„
r oraz {
X p ::: rC OSl{J
r„ =rsin cp
2 wi ęc E(X p) =E(r"b)cos E(1p"b) = 0{1111
-(iJF(X)J
-
2 (iJF(X)j2 2 ('dF(X)J2 m;;=my
JX1- m1+-ax;-,1 m2 +„ ·+ 'dXz
? ?
(4.10) E(Yp) == E(r0 b)sin E(<p"h) = IOO(mJ
W celu obliczenia odchylenia standardowego współrzędnej XP, na podstawie
Wyrażenie (4.10) jest nazywane prawem przenoszenia bł<;dów średnich (dla parametrów rozkładów prawdopodobieństw zmiennych 1'''>, cfb, ustalamy, że
zmiennych niezależnych) .
QY. 1
=(DQxD7 f 1
=(D- -Px
1 1
.__,,_..,
c
DT) -I
ax 1, : 0.3 1 tmJ
Qx
192 1H3
. r-··
., 'k- zmiany
. . 6Ą66c Przykład 11.3
(.wspo1czynm mrnr p
(c) 200 ·100
"'·········; ·----- =: _; ' wprown d zamy ze ] du
\VZg ę
Wyznaczyć macierz kowariancji zmiennych Y 1, Y2 , jeśli
na konieczność ujednolicenia jednostek w poszczególnych sk ładn ikach wa-
Y1 =2X1-X 1
riancji er~. - o problemie zgodności jednostek będzie jeszcze mowa w roz-
dziale 5.1"). '' Y2 = Xi+ X 2
or az a Xi =2. <rxz = 3, cov(X 1, .X 2 ) = 0.5. Wyznaczyć wartość współczynnika
Przykład 4.2
korelacji między zmiennymi Y1 i Y 2 .
Macierz kowariancji zmiennych X i Y ma postać
Rozwiązanie
i V(X } co v(X . Y)l r4 Ol z przedstawionego w treści zad ania układu równań wynika, że
Cx.r ''t·av(Y . X ) \l (Y) _ =Lo 9J
Wyznaczyć odchylenie standardowe zmiennej Z = 2X - Y
r~~
ax 1
ar,
:ix 2·
1 -q
"" [ 2
D= ()
Rozwiązanie tj
~;~-J
Y2
Poni eważ zmienne X i Y są niezależne, więc wariancję zmiennej Z moż ax~
na obliczyć korzystaj ąc ze wzoru
Ponadto
Wobec tego
Z= X +3Y-5
Wówczas jeśli crx ==4, ay = 3. cov(X,Y)=lO
4 01 2 2 Powtórzyć obliczenia, zaniedbując zależność korelacyjną między zmie n-
V(Z)=a3. =(2 -1J[
O
J[ ] =[8
9 -I
-9][ 1=25
.-1_
-) O'z = 5 nymi X i Y.
1%
194
Ro zw i ~\zanie
ar1
a) Z uwzględnieniem zależno ści korelacyjnej (cov(X , Y) ~ 1O)
DJ~~ ar,
ar,
~XJ
ax·~· 1=[ 2X~ - I
-(~]X ~o 50 = [
-I
-~J
!Ol - , ~!.~- CJX ()X 3
CJY~. 3
4X 2 1
c X. Y -- [16
IO 9-'
•A• ••••=•·
12XC
X 2=0 .'.?5
- ()X I 2
Uz-?
-
= I 31LI()
[ !'" 16 190][11 =
:lj
157
Ponieważ cov(Y1.Y2 ) = O. wi ęc zmienne Y1, Y2 są ni ezal eżne.
lub K,
2 2
, =( .„_
uz
·
az„_ .) er ,
()X ·
,„,_ -·-"-
az ) er r = 1· 16 + 9 · 9 =97
(
oY
,
K,
Pr zykł ad 4 .5
Wyznac zyć mac ierz kowar ia ncji wektora V = [y1 y2 f' dla X 1 "' 0. 50,
X2 "' 0.25, jeśli KI
Y1 = Xi2 - X2+3 Rys. 4 .2
Y2 = 4Xi
·1 „
+2 X i- X :i+ł
Ro zw ią zan i e
oraz Na podstawie info rmacj i zawartych w treści za dania m oż na zes tawić n a-
st ępujl\C<\
macierz kowaria ncji (waria ncji) wyników pomiaru kierunków K p
Cx "[~ ~ ;]
K2, K3:
196 197
więc
2) Ponieważ
oa
dK:_
ap
0K1
C=[: 3
oll
1
2
rl r 0'2
a
cov(/J,tJ.)'
cov(y.a)
'
cov(a.fl)
.,
a7,
• cov{y, p)
cov(a, y)l
'~'~ ,)j
ar
cov(/J, y) l
=··---- -··· = r.:-;: =0.4 I
01[af ał 0·1 Pp 7
-:r I
· a pay v3·2
lj
Przykład 4.8
Macierz kofaktorów zmiennych X 1, X 2 , .. „ X 3 ma postać
=[a~-a?:
+~ł v,~?+a~32 ] =[~(-~
u
-9]
10 (ce)
=l- cova(/;~i.a)
Qx =
2
l
I
3 -J
Ol
Wsp6łczynnik korelacji między kątami a i fi ma wai·tość [
O -I 2
Obliczyć macierz kowariancji zmiennych Y1, Y2 dla X 1 '~ 0.5 , X 2 "" 0 .3,
x3 ,~ 0.2, jeśli
1
Przyklad 4.7 Y1 = X j. - X 2 + X 3 - 23
Macierz kowariancji C wyników pomiaru kątów 1x, /3, y w pewnym trój- Y1= X3+14
kącie ó.a,/l,y ma postać (pomijamy jednostki)
oraz aJ = 2 (współczynnik wariancji).
2 I
C= I 3
OlI H.ozwi ązanie
[ Macierz kowariancji Cy zmiennych Y1, Y2 wyznaczymy korzystając ze
O I 2
wzoru
1) Obliczyć odchylenie standardowe sumy wyników pomiaru tych kątów.
2) Jaką warto ść ma współczynnik korelacji między wynikami pomiaru ką
tów f3 i y.
Rozwit\zanic
Obliczając
1) Biorąc pod uwagę , że
Oo[~;·~
skąd
.?.!.L dY0 ]
:t 1 ~0.s =[~
D::: [l l 1] ax 2 ax;· = [1x,
uzyska my ćl Y2_ oY1 _ iJY2 O
- J
o
- I
o :]
2
<:rs = DCD
7'
= 11 <rs =3.3 iJX I ax 2 iJX 3
198 199
a nas tępnie więc
Przykład 4.9
Obliczyć macierz kowa ria ncji zmiennych Y1, Y2 w punkcie
jeśli
Rys . 'I.:!
Roz wi ą za ni e
Macierz wa g zmiennych X 1, X 2 ma posta ć Wysokość H moż na wyznaczyć korzystaj<\C ze wzoru
fi =dtgu
p -
X - [2
?- ?]-
3 Wobec tego ( pCc) = 6366")
Rozwiązanie
fnteresującą nas macie rz wyzn aczymy korzystając ze wzor u
1
7
Cy= DCxD =aJ DQxD 7
=
„ ( -100-(m)- )- .( -~--=-
=ma+ l lr'a =0.0509 (m) - 1 1
(111)"
-.:___, ~
( m) 2
Za tem skoro
skąd mH = 0.22 (m).
p-;I
X
=.!._ [
2 - 2
3-2]
2
Przykład 4.11
Obliczyć błędy średnie współrzędnych (X/l, YP) punktu P oraz ocenić war-
tość współczynnika korelacji mit:dzy nimi, jeśli dysponuje się na stępuj ącymi
wynikami pomjaru:
cPb ::; 200g z błędem średnim ma "' we".
d0 b ::: 400 (m) z błędem średnim md ~ O.O l (m).
2 00 201
·1 :vspó~'.·zędn:b~uno7,t?w A i B należ~ traktować jako stale, :natomiast wy-
m G pomiaru cl 1 d Jako zmienn e niezależne (rys. 4-.4). Zat em
.,
Q rl.a = I r
I
lllj
cov(c1.d )
c ov(d,a)l
'.!
llla
-:-··- '1„2
I= ' 0.0001 (ml~
r
i- o·
() l
0.000 157 .J'
\. ·.· n) (p (ce) J •
( ;;.„ tl)(m) l.
r:
p(cc ) =:~'.'.·. 1.~~L-~~?. "' 636 6 20 cc
fr, • 0
-IOIJ "
!\ )'• -- 10 0 (m ) Obliczając macierz kofaktor ów Oxy ws półrzędnych XP' Y" punktu P,
p
uzysk ujemy
c ov(Y, X )
c ov( X, Y) ·1
'
my,, J'
Ponieważ
a na tej podstawie
X p = X ii + d cos A 8 r =: X /J + t!"1' cos(A.'llJ +o."" - 200'-)
więc vx1.c1r"
Rys. 4.5
202 203
Ro zw i'' z a n ie 5. KLASYCZNE METODY WYRÓWNANIA
Ponieważ (dla mu = m;i = m)
I ANALJzy DOKŁADNOŚCI
205
rów parametrów modeli funkcjonalny ch (np. estymatora X ), tworzą dzia l f = 11-r (5.1.1)
geodezj i na zywany rachunkiem wyr ównawczym. Poniew aż rach unek wyrów-
na wczy stanowi przedmiot zainteresowania tak że i innych dyscyplin (np. (jego uogólnienie jest przedstawione w rozdz. 8), wynosi fe:. 11 -- ,c, O, P rzypo- „
astronomii, fi zyki doświadczalnej, ekonometrii itp.), często w odniesieniu do mnijmy: w elem entarnym modelu funkcjonal nym (x)'h + v; ::: x, i= l ..... 11 )
i nter esuj ący c h n as tutaj z agadnień mówimy o geod ezyjnym rachunku wy- =V "' l „x -·xnb mamy r = l, stąd f =' 11 „ r = 11 - l. Z ww. uwag wynika, że rozwi -
równawczym. W zakres geodezyjnego ra chunku wyrównawczego wchodzi n ięty model funkcjonalny, formułowa ny w oderwan iu od struktury geome-
rów n ież wyznaczanie parametrów opisowych wyróżnionych wy żej estymato- tryczn ej, jest u kładem jed noznaćznym , spełnianym dla każdego zbioru wy-
rów (lub ich fu nkcji), nazywane anali zą lub oceną dokładności . Nal eży mi eć ników pomia ru .t;'" (bo dla każdego i = J, ... , n: (.t; = x;'" ) ~ (1~; =O)).
przy tym na uwadze, że współczes ny rachunek wyrównawczy, ba zujący na Pojedynczy wynik pomia ru, jako estymator wartości pra wdziwej, jest nie
a ktualnych os iągni ęc iach w zakr esie teorii estym acji, jest du żo bardziej zło tylko estyma t orem o trudnych do przyjęcia cechach teoretycznych, lecz jest
żo nym i cią gl e rozwijającym s ię dz iałe m geodezji (niektóre współczesne m e- także estymatorem „ryzykownym", z praktycznego punktu widzenia, u lega-
tody r achunku wyrównawczego bę d ą omawia ne w tym p o drę czn iku ) . jącym łatwem u w pływowi błędów pomiaru.
Pods tawowe sposoby zastosowania metody para metrycznej do rozwi~\ZY Wydawałoby się, że dobrym rozwi ązani em przedstawionego problemu
wania problemów wyrównawczych, a przy tym najczc;ściej stosowane w prak- jest pow1-ót do modelu elementa rnego, kt óry tym razem opisywałby wielo-
tyce geodezyjnej, b cdą opisane w dalszej częś ci rozdziału. krotne pomi a ry pos:i:czególnych e lemen t ów struktury geometrycznej. Załóż
my, że ka żdy z tych element.ów jest mierzony s razy. Wówczas rzeczyw iści e
Rozwini ę ty model funkcjonalny f = ns -11 = n(s - I)> O (jeśli tylko .r > l ). W t akiej sytuacji rezulta tem wyrów-
\V praktycznych problemach geodezji, reali zowanych z zastosowa niem nania będą, co pra wda, estym a tory wa1·to ści prawdziwych o możliwych do
s ieci pomiarowych Oub innych struktur g<.:omctrycznych o podobnym ch a - zaakceptowania w ł asnościach teoretycznych (np . średnic arytmetycz ne
rakterze), pomiarowi , a nastc;pnie ws pólnemu opracowaniu „_ wyrównaniu, z wielokrotnych pomiarów różnych wielkości ), lecz wyznaczane nieza le:i.nie
podlega na ogół wiele róż nych wielko ści , np. hltY, dł ugości , azym uty itp. od siebie nie będą spełni a ły związków funkcj onal nych zachod zących między
Załóżmy, że każda z tych wiel koś ci jest mierzona jednokrotnie lub też ra - elementami struktury geometrycznej . Na przykład, tak wyr ównane l«\ty
czej (co jest bardzi1~j zgod ne z prak tyką pomiarową) opracowaniu podlegają nie będą speł niały warunku s umy kątów w trójkąci e. Z inżyni erskiego
pojedyncze wielko ści stanowi ące ś re dnie arytmetyczne z wyników ki lk u po- pun k tu widzenia, dobre estymatory wa rtości prawdziwych powinny jednak
miarów (np. ś redn ie z wyników pomiaru o dległ ośc i „la m" i „z powr otem", ni e tylko wykazywać pożądane cechy teoretyczne ( nieobciążoność, efektyw-
śred nic wartości kątów z kilku serii, itp.). Takiej sytuacji, o czym ogólnie ność), lecz także spełniać warunki wynikaj ące z geometrycznych własności
mówili ś my w rozd z. ~), odpowiada ro zwinięty model fu nkcjona lny o postaci m ierzon ych struktu r. Uwzględnienie fun kcjonalnych związków między wa r-
( przypomnijmy: ele menta rnym modelem funkcjonalnym jes t x;'" +v; = x. tościami prawdziwymi x; , i = I... 11, jest możliwe po wprowadzeniu takich
i = l, ... , 11, czyli pomiarowi podlega tylko jedna wielkość x) wspólnych dla nich parametrów X 1, X2, .••• X, (o czym ogólnie mówiliśmy
l=
w rozdz. 3), że
x1o/J +v 1 = x 1
.t1 '" F1(X1.X 2 .„„X,) :o: F1 (X) )
x'.f." + v2 = x2 V=x ·- x"" ;r2 = F1 (X 1. X2 •. . . , X ,.) = f~ ( X)j
(5. l.2)
-'1 ~rI
( .:) X = F(X)
Wyrównanie, a więc wyznaczeni e dobrych estymatorów interesujących Układ wyrazaJ ący związki między prawdzi wymi wartościami wielk ości
nas wielkości, można jednak przeprowadzać tylko wtedy, gdy istnieją obsc~r mierzonych a przyjętymi parametrami nazywa my w rachunku W)TÓwnaw-
wacje nadliczbowe , tzn. gdy model funkcj ona lny zawiera mniej para metrów czym układem równań obserwacyjnych.
stanowiących a rgumenty funkcji celu ~ niż równm1. Parametrami w przedst a - Podobne dz i ałani e zastosowali śmy w rozdz. 3, za stępując wektor warto śc i
w ionym powyżej modelu S<\ wszystkie mi erzone wielkości (x 1, x 2 , .. .• x„) ~=> x. prawdziwych x uk ładem rów nań liniowych x =F(X) = AX + w. Podstawienie
Zatem t utaj 11 = r , i liczba obserwacji na dliczbowych, u sta lana na podstawie ta kie stanowi jedn ak tylko szczególny przypadek układu równ a ń obse rwa-
stosowanego ju ż wcześniej wzoru cyjn ych o ogólnej postaci (5. 1. 2).
20(:) 207
Załóżmy, że wyrównaniu podlega sieć geodezyjna przedstawiona na rys. Ukłuci (5. 1.2) mus i być s pełniany ni e tylko przez wartości prawd ziwe x
5.1.1. Przyjmując za parametry współrzędne (X1, Y1), (X2, Y2 ) nowo wyznacui- i X, lecz także przez ich estyni<1tory ( wielkości wyrównane) x ornz X. Z<.1-
nych punktów Z 1 i Z2, wielkości mierzone można przedstawić w postaci tem musi być ta kże sp ełnian e równanie
funkcji zamieszczonych także na tym rysunku (w odniesieniu do kilku typo-
wych obserwacji).
x=f (X) (5.L:J)
co stanowi zasadniczy, prak tyczny sens procesu wy1·ównania. Z tego też po-
I-·~: j, ,Ii)~· ~~·;;,:-;;~;.: wodu równanie (5. L.!) będzie pt;dstawq do prowadzonej dalej kontroli wyni-
I
.
/'::,. . pui\ktv o ;a1011yc 1 wspołrL~dnych
•
X, 1 (
i-,-_
I ' 0
I' l
cxl)
• i ków wyrównania.
Podstawiaj~\C x "' x"" + V cło równania obserwacyjnego x "'F(X), uzysku-
„ " ' \'
O - punkt~ wymm:rno 7. / .- l._____ ~~-~-:_: ______ ·--" jemy następuj <1CY rozwinięty model fun kcjona lny (układ równań poprawek}:
tf .
__) d. '---v----"
X
S,
Ui.1.4)
„~[;;;]~ wyników pomiaru, przy czym jednak powinno ono by ć na tyle dobre , aby
u zasadniało zas t ąpie nie n ieliniowej fun kcji F(X) jedynie jej pierwszy mi ,
liniowymi wyrazami ro zw·inięc i a (podobne rozwinięci a s tosowali ś my już
w rozdz. 'I , c hociaż inny był sens rozwij anych tam fu n kcji). Wówczas
X = F(X)-=
. o () F(X )l
=l<(X ) + -- -·-·-i dx =
dX ix=Xo ' (5.1.5)
= x 0 +Adx
G ·- repery (punkty o zn~nyc h wysokosci.ch)
o - punkty wy:ut.-ł.c-anc
El
(,, przy czym X ;;;; Xo + <l x (5. 1.6)
Rys. 5.1.2. Przykłady r6wnwi obserwacyjnych (na tej pods tawie później 0
X= x + d.d
208 209
oraz
Zadanie wyrównawcze i jego rozwiązani e
Stosując wyprowadzony powyżej model funkcjonalny V =Ad x + L oraz
r~!:J_(~l ~!509 ()FX l
.'.:_)~ł: przyjmując następujący mod el macierzy kowariancji wyników pomia ru -x"i'
A =~F(X)!
I
f
()Xl ax 2
()~~~-'.-~)- V.I'.";!.~).
()X „
'!~],__<_~.>.
l
ł
(dla jas ności dalszego wywodu, szczególnie interpr etacji uzyskiwanych war-
tości estyma tora współczynnika wariancji da lej przyjmujemy c = 1) a-J.
:::
()X I ()X 2 ()X r
ilX 'x„xo
~1'.:~Jc?D ~-~~,.(J5l ?.~:·!!.(~
L ()X I ()X' i.JX r . X= Xo
m ożna s formułować n astępuj ące zadanie optymalizacyjne:
( A E ~Jl"·' . 11 > r. n -- r ::: f - liczba obserwacji nad licz bowy ch ). Eleme n tami
wektora x0 = F(X 0 ) są, obliczan e na podstawie przybliżonych wartości p<!ra-
V = Ad x+ L model iunkcjo nc1lny
metniw, przybliżone wartości wie l kości mierzonych ( np. obli czane na pod- l'
::::.::„:::::;" I
stawie wspólrzę dnych przybliżonyc h przybliżone długości , pr zy bliżon e lqt.y, c X·"" = o-JQ X"'' =o-(fp-1 (5.l.10)
przy bliżone azymuty itp.). Po dstaw iają c rozwinięcie (5 .1.5 ) do modelu
(5 .l A ), uzyskujemy liniowe równanie poprawek (liniowy model funkcjona l-
rninfo (d X)'"" y T PV }=yTp , ,
<l x
ny) o następuji\cej postaci:
nazywane w rachunku wyrównawczym zadaniem wyrównawc1,yrn. Poszuki-
V" ~~X) -· x ' = ~'..~ _:"~.(~ ·- x" '
01 1
"' wa nie minimum funkcji celu c;(d x) yT PV, ze względu na dx, jest ana lo- =
(5. 1.7) giczne do tego, jakie stosow ali śmy w rozdz. ;3 w odniesieniu do funkcji
== Ad x+ L
~( X)= yTpv. Zatem tylko do cel ów dydaktycznych stwie1·dzamy, że li.mkcja
gdzie .;'(d x) osiągnie mi nimum w takim punkcie <l x =dx , dla któr ego
i}
Jc<d\'i
·-=······-'······· :.=
u V .,. PVi
- ····-- I =o
ild x ()cl x lux „,i x
iJ2~(d x ) i
ii) ·-a<li ....1 jest macierz~\ dodatnio określ oną.
X 1u x ~ ;i x
jest znanym wektorem wyrazów wolnych o wartości oczekiwanej (przy po-
mnijmy: E(x"b) = x) Po wyznaczeniu pochodnej
210 211
Wa runkiem wystarczającym, ale niekonie cznym do tego, a by A r PA był a
A T PAd,
'
+ A T PL = O (5.1.11)
dodatnio określona, jest dodatnia określoność macierzy wag P . W klas ycz-
nych problemach wyrównawczych elementami macierzy wag (na ogół prze·
Układ równmi (5.1.11) jes t układem równ ań normalnych.
Jqtniowej) są odwrotności kwadratów błędów średnich pomiaru. W t a kiej
Zauważmy, że s koro AE :R"·„, to ATPA E '.Jl'··,· oraz ATP LE :H'" 1. Wynika
sytuacji wszystkie elementy t ej maci erzy są dodatnie, i dla dowolnych
s to.cl, że układ równań (5.1.11) zawiera ~yle niewiadomych (elementów wekto-
y ~O, y ~ O mam y (y/Py 1 > 0) -=->(y 2 AJ'PAy 2 >0) ( wa runki d oda t nich
ra d_x.~ 9\'" 1).)" ~le jest równm). Jeśli zatem ATPA .1~ie j?st ma.~ierw, osobliw4, 1 2
tzn. Jes!t R(,_\ I A)= r, to do rozwiązania układu A 1 PA d x + A 1 PL= O moż na określoności macierzy).
Sprawdźmy, czy uzys kany es tymator dx = - (A·1-.PA r· 1 A.,.PL jes t nieob-
z as t osowac metody zapreze ntowane w rozdz.1. :J („układy r ównm\
o kwadratowej i nieos obliwej macierzy współczynników " ) ci ążony. Ponie waż
1
r · r
A PAd .\. l· A l'L=O E(ci x) =-(A r PA)'"1 APE(L) == -(A 7 l'A } - A r l'(- Ad x) =
= ( A.,.PA)""1 A TPAdx = dx
'---~-···- -..-----·~-· ~
I,
llH!loda nieoznaczona mc todn oznaczona
więc jes t spełniony warunek nieobciążoności estyma tora dx : E (tl x) =d x.
[A r PA : ArPLJ „, nrrn:L Rl Wyznaczenie estymatora przyros tów do przybliżonych wartości parame-
.' . d . , • O' .
trow d x oraz, na teJ po staw1e , es tymatora parametrow X= X + d x _me
IRdx +LR = 0 I sknd dx kończy procesu wyrównania . Należy bowiem, korzystając z wektora d x ,
obliczyć jes zcze estymator wektora poprawe k
Największ e pra ktyczne znaczenie ma rozwiąz anie z zastosowa niem r oz-
kładu _r~~cie~·zy na czynniki trójk<\tne. Nie ma bowiem tutaj konieczności , V= Ad x +L (5. l.1:3)
w o~roz_nieniu od metody nieoznaczonej, prowadzenia cz~~ochłonnych obli-
czen związanych z wyznaczeniem odwrotności macierzy A 1 PA E ~H'"' . a następnie wyrównane wyniki pomiaru (estymatory prawdziwych wartości
W nawiąz aniu do teorii uogólnionych odwrotności , rozwiązanie zadania wi elkości m ierzonych)
wyr ównawczego (5.1.10) można przeds tawic; także w posta ci
(5.1.12)
(5. 1.14 )
przy czym ogólnie
- 7 - T
A 1cl'J = (A PA ) A P
lub
Przypomnijmy, że estyma tor V można uzyskać także i w inny s posób, tj .:
Ai(rl = (A „ PA ) - 1ATP
gdy, tak jak wyżej, R(AT PA) = r . '
V '
= Adx +L =-~ --A(A 7 PA ) - I A T PL+L =
Wcl~tor _dx rozwiązujący układ równań normalnych ATPAd + ATPL = O T -l T ·
(czy tez, z mne~o punkti: widzenia, rozwiązujący sprzeczny u1ład równań "'[I„ - A(A PA) A PJL == ML
Ad x + L _= O ~ A~ -~ + L == V w taki sposób, że VT PV = min) spełnia waru- gdzie
n~k stacJonarnosci. W rozdz. 3 wykazaliśmy, że podobne rozwiązanie spcł
m1~ ta_k~e warunek wys:arczający ist~ie_nia minimum, jeśli tylko maci erz
M = I„ - A ( ArPA)A.,-P
A p,~ J~st do~atmo okrcslona. Zate m, JUZ tylko dla form alności , stwi erdza- Rela cja
my, ze l tuta) V==ML
ma głównie znaczenie teoretyczne i była już np. stos owana w teorii estymacji
współczynnika wariancji ol
212
Ponieważ L :: V - Ad,P V ::: - E. oraz :\Il jest taką macierzą, że MA = O, więc cv wnnaczalności i. Pozytywny rezultat I etapu kont.r oli nie ś wiadczy jed-
;ak Jeszcze o tym, że uzyskano prawidłowe wyniki wyrównuni a.
\:'=\IL= \l (V - Ad.1) = MV - ~dx Już w cześniej wskazywaliśmy, że wielkości wyrównane (estymatory) po-
o winny „zachowywać" się t ak jak wartości prawdziwe. Oznacza to, że es ty-
(5.l.15)
'"' ;vlv = --:\·Ii: mator X= x0 +ci y (wyrówn a ne parametry) oraz wyrównane wyniki pomia-
ru x = x"„ +V m~szą spełniać układ równań obserwacyjnych
Przedstawiol}e przekszbicenia pozwalaj;\ na wyrażenie estymatora wek-
tora poprawek V w funkcji rzeczywistych błędów pomia ru e = - V. Niestety, X = F(X)
ma cierz M jest osobliwa. Uniemożliwia to ustalenie jednoznacznego związku
odwrotnego, który na podst awie wyznaczonych poprawek pozwalałby obli-
czyć rzeczywiste błędy pomiaru {brak takiej możliwości jest zgodny ;i: intu-
.r1 = F1CR! ..R_2 • ... ,x:.) =F, CXl l
icyjnym rowmieniem problemu pomiarów i ich losowych, przez to nie dają x= F(X} ,ro =Fo(X1.X
-> - -
o •..•• X,. )= F~(X) l
- - r (5 ..1.1.7)
cych się dokładnie ustalić, błędów). I
'T • • r ·
V PV= ( Acl x +L) P(Aclx + L )=- (dxA +L ) P(Adx + L) =
·r r r - z nieliniową (o ryginalną) funkcją F(X). w. takiej sytuacji należy powtórzyć
wyrównanie, traktując uzyskany wektor X jako przybliżony. Zatem należy
"T T • •r T T • T ponownie obliczyć przybliżone warto ści wielkośc i mierzonych
= clxA PAd x + d xA PL + L PA<l x +L PL "'
x
o F ,o)
= '(X x"„:'(
•T T
=<lxA PA[-(A PA)
T -I
A T PL] + d~A
"T r PL + LPAdy
T • T
+ LPL =
a następnie, na tej podstawie, nowe wyrazy wolne
•T
= - dxA
.._ PA(A
, ___ T
_______
. T ·· I T
PA) _, A PL + dxA PL + LPAdx + LPL =
•T T T • T
L:::x 0 - x„"
'·
'--···-~-··-··~ --·--......---··--~·--·~--·~---""
{) Proces ten, nawiązujący do rozwiązywania nieliniowego zadania wyrów-
T • T
nawczego metodą Gaussa-Newtona (zob. np. FlNDEJSEN, Sznf,\NOWSt\J, \V11mz-
"" L PA<l x + L PL mcra 1980, TWNISSJ'N 1990, W1śN1r.wsKI 2002), może być kontynuowa ny aż do
uzyskania pozytywnego rezultatu II etapu kontroli.
Niespełnienie równości s = s· może świadczyć o błędach numerycznych
w wyznaczaniu d,,. i V (w obliczeniach komputerowych, pomijając błędy
algorytmu, mogą to być jedynie wpływy błędów zaokrągl eń, szczególni e
w układach obserwacyjnych, dla których wartość wyznacznika m acierzy
A TPA jest blis ka zeru; mówimy wtedy, że układ obserwacyjny jest na grani-
214
MacierJ: kowariancji estymatora X (wektora wyrównanych
5.1.2. Ocena dokładności
parametrów)
Przypomnijmy, że X= x0 + dx , gdzie
Wyznaczone w poprzednim podrozdziale estymatory są oszacowaniami
prawdziwych wartości parametrów (np. współrzędnych punktów sieci geodezyj- ii x = -A i(P)L =-(ATPA) „ 1Ar PL
nej) oraz oszacowaniami prawdziwych wartości wielkości mierzonych (wyrów-
nane wynilti pomiaru). Z punktu widzenia statystyki matematycznej, przepro- Estymator przyrostów dłJ przybliżonych wartości parametrów jes t więc
wadzone dotąd działania są estymacją wartości oczekiwanej E(x"& ) = x"' F(X) liniową funkcj<\ wektora losowych wyrazów wolnych 0
L =F(X ) - x"i>. Ma-
na podstawie pośredniej oceny X. cierz kowariancji wektora L ma postać (na podstawie (5.1.9))
Z praktycznego punktu widzenia , ważna jest jednak także inforn1acja
(5.1.19)
<> jakości uzyskanych wyznaczeń. Ocenę jakości można wi<\ zać m.in. z szaco-
waniem wartości momentów drugiego rzędu, głównie z szacowaniem warian- Zatem zapisując
cji wyznaczonych estymatorów (szersze pojęcie jakości obej muje także i inne
parametry, np. niezawodność itp.). Działania związane z szacowaniem {esty-
macją) watiancji i innych momentów drugiego rzędu - kowariancji - nazywa-
gdzie
my, w interesuj ących nas w tym podręczniku problemach, oceną dokładności.
W praktyce, w zakres oceny dokładności wchodzi zazwyczaj wyznaczenie: D =Ai(PJ = -(A.,. PA) -1 ATP
- estymatora macierzy kowariancji wektora X (a n a jej podstawie: błędów or az stosując zas adę propagacji macierzy kowai·iancji (rozdz. 4), wyznacza-
średnich wyrównanych parametrów, błędów poło żenia punktów, czy też
my macierz kow ariancji estymatora przyrnstów dx
w bardziej zaawansowanych analizach - elementów elips ufności) ;
- błędów średnic h wyrównanych obserwacji oraz błędów średni ch dowol- =: DCLD"f = (- (AT PA) - 1 A.,.P]CiJ - PA(A r PA). 1 '::
1
I AT
= - - V PV=mij
A „ (5.1.18) (odta,d już zawsze e stymator a,5
będziemy notowali j~ko 111J ), u zyskujemy
11 - „ nm; tępujący estymator macierzy kowatiancji wektora X:
gdy (5.l.21)
l I
n. = "···- -··PM == ... ·-·- PM V = ML = MV = -Mt Macierz tę będziemy dalej umownie n azywali macierzą kowariancji wyrówna-
Tr(M) n -r '
nych parametrów, wiedząc, że w rzeczywistości chodzi tutaj o estymator t~j
oraz PM = MTPM. macier.ly (ze względu na zastąpienia współczynnika aJ estymatorem me}).
216 2 17
Po ustaleniu szczegółowej strnktury macierzy Cx możemy zapisać
i}!,J X)
r ax,
t?ov(.~ 1 , ,'(i) 0F0, (X)
ex "' ax !
I • .
l cov(Xr.X 1 ) ~~. <X)
ax r
przy czym dla każc~ego i, j: cov( ,Y;. ,\; 1 ) =wv( .Y i .,'( ; ) z czego wynika, że ma·
cie rz kowariancji ex, podobnie jak i inne maci er ze kowariancji, jest ma - uzysk ujem y
cierz<\ symetryczną Na przck<\tnej tej macie rzy s ą za wai·te kwad raty błędów
ś r ed nich (estyma tory wa1iancjil poszczególnych wyrówn a nych parametrów
( również i tutaj za s tosowa li ś m y zwyczajową notację er ~ 111 ). Zatem błąd Błąd średni funkcji w = F," (X)~ F"' ( f:. 1, X~ „.„ .Y,) można zatem wyzna-
ś redni i-tego wyrównanego parametru m oż na p rzedstawi ć w pos taci czyć korzystając ze wzoru
(5.1.22)
(5.1.23)
([o];; - i-ty element przekątni owy macier7.y).
Podczas rozwiązywania układu równań normalnych A r PA d.Y + A r PL = O
Błę dy średnie funkcji wyn>wnanych parametrów
metodą oznaczoną (przez rozkład na czynniki trc\jkątne} nic jes t wyzn a cza-
Niech na o<lwrotnośc: (A TPA )- 1. W takiej sytuacji bezpośrednie zastosowanie wzoru
(/) =r-:,, (X) ~ F"' (X I • X" ,„ ., .{: r) (5.1.23), wymagające j ednak tej odwrotności , byłoby p ostępowaniem n iera-
cjonalnym. Zasady rozw iąza ni a oznaczon ego można jednak także zastoso-
będzie do wolną, lecz m ajqcą pie nvszc pochodne funkcją wyrównanych para- wa ć w procesie wyznaczania błędów średnich funkcji oraz, jak o szczególny
m e trów X=f,Y 1 ,,Y::!·····'Y rlT Wcześniej usta!iliśmy żą.estymato1· X jest
wektorem losowym o macierzy kowariancji C;;: = mo(A PA) - . Błąd średn i
1 1 2 przyp adek t ego procesu, błędów średn i ch wyrównanych parametrów.
W rozwi<\zaniu oznaczonym macierz A/'PA jest r ozklada na n a czynn iki
funkcji <o = F"'(X) mo ż na zatem wyz n aczyć korzystając z dobrze już nam trójkątne R i RT w taki s posób, że A r PA '"' R7'R . Zatem
z nanej zasady propagacji ma cier zy kowari a n cji. Wobec t ego, be :t. dodatko-
wych komentarzy, zapiszemy
ć; x
gdzie
Przyjmijmy następujące oznaczenie:
. (JF'"(X) [ar-;„(X) a1-~„lX) uf<;„ (X)]
D = ---„~··-·· "' ... „~ '-„- .. "- ·-- ' ... , ..„ . „ ~--··-
„ .. • • . •••„ .
218 219
Wektor F 11 =(R -r l F"' nie jest zn any. Wyda wał oby się, że do jego wy-
1
znaczenia jest jednak konieczna zn aj omość odwro tności macierzy, chociaż II ()X I l
tym razem tylko macierzy trójkątnej R. Po przekształceniu ł
i
!
a.X.I
o
RT ·I FR =(R - l/'r·~„ I
! ax 2
o
___________1__,
RrFR =Rr(R- /F„, I
I
ux i
l, I F x,· = = c (i) E 9\ '· 1
I
~X ; I;
okazuje się, że uzyskane w ten s posób wyraż eni e iJX;
oj
(5. 1.25) <d ,
umożliwia wyznaczenie wszystkich nieznanych elementów wektora FR ( po- - (),'( I
; ; r·1
2: .rf·~[ j=1
r1 ifRl "''fr - > f lll
1
r12 '22 r1 2fR1 + ri if112 = h - > f R"!. ~U"?. --r12fRI )Ir-z?.
i zastosowania wzoru
ILr,,
o ilp.
--·---··----
r2r
RT
m .~; ::: mo Jl, '( '
'R(i) F /l(i)
FR -> FR
= " "' Macierz kowariancji estymatora poprawek V , macierz
Wcześniej wskazywaliśmy, że błędy ś rednie wyrównanych parametrów kowariancji wektora wyrównanych obserwacji x, błędy średnie
s ~\ pi erwiastka mi przekqtniowych e lementów macie rzy k owariancji wyrównanych wyników pomiaru
Macierz kowaria ncji Cv estymatora poprawek V można w łatwy spo-
•.
C x =m(j' ( '·\ r 1•\)··
ł
1 ( 111
.~i lic··xJii ·).
= IJI Oznaczałoby to, że chociaż do wyznacze- sób ustalić, biorąc poci uwagę wykazany wcześniej zwi ązek
nia błę dów średnich dowolnych funkcji wyrówna11ych parame trów można
za s toso wać rozwiąz a ni e oznaczone, to jednak i tak , w celu ustalenia błędów V = ML
średnich m _yi. należy obliczyć odwrotność (A TrAt 1. Zau ważmy j ednak, że oraz mode l macierzy kowariancji wektora wyrazów wolnych L = F(X0 ) - x"-"
wzór (5.1.24) obejmuje takż e i ten, niepokojący nas tutaj, przypade k. Można
bowiem dla każdego parametru ,Y.; w sposób formalny zapisać tożsamość
Podstawiając D = M oraz korzystając z zasady propagacji macierzy kowa-
riancji, uzyskujemy
a na t ej podstawie 1"
"/"
Cy = DCr.D =Mrr0 P M
2 -I
=cr02 MP-l M T
220 221
W naw iąza niu do u stalonego wcz eś niej wyrażenia (5.1.23), o kreśl ającego
C.y = agMP- MT =ac~P - 1 M.,.
1
=aJ P- 1[1„ -PA(ArPA) - 1Ar I błędy średni e funkcji wy równa nych param e trów, uzyskany tutaj rezultat
2 - I T -I T nie jest zask akujący. Zauważmy bowie m, ż e i-tej obserwacji odpowiada i-ta
= ao[P - A ( A PA ) A J
funkcja ukł ad u obserwacyjnego (5 . 1.2), a tym samym i-ty wiersz macierzy
Zatem estymator maci erzy kowariancji Cv wek tora V ma postać (prz'.' A . Poszukuj ąc bł ęd u ś redniego i-tej v.tyrównanej obserwacji, należy z a p isać
. a. ~ = 1110' )
oznacze niu 0
Cy =mJ [P-· 1 - A( A TPA)-IAT] (5 .1.26)
skąd
j
l
a,.
A= :: ~~
gdzie
·•r.·
D = I „ --M = A(Ar PA )- 1 ArP
(przypomnijmy oznaczenie: x0 = F(X 0 ), stąd L = F(X 0 )- x"/J = x. 0 -- x"i>). Skład Is totnie, i-ty przekątniowy element macierzy A ( A TPA} - 1 AT jes t okreś lony
nik Mx0 nie jest losowy, zatem wyrażeniem a;.(A7' PA)'- 1 af~. co umożliwia :tapisanie wzoru (5.1. 29) w nasto-
puj ąccj postaci:
następnie
W praktyce wzór (5. 1.30) może być zastąpiony formuł ą ( rozwiązanie
Ci = ml~ A (ATPA)- 1AT (5.1.28)
oznaczone)
Macierz C;, ma następującą strukturę:
(5.1. :31}
m.r,: T
przy czym R FR(i) = a;.
T
-4 F R(il .
c;; = cov(.r 2 • •r1 > Wyrażenie (5.1.28) u stal ające
macierz k owariancji wyrównanych obserwa-
cji można uzyskać także i w inny s posób. Otóż z r elacji x= F(X ) ~ x =F(X)
COl'(.t11 , .r„)
wynika, że
skąd wynika, że błąd średni i-t ej, wyrówn anej obserwacji ma postać ()F(X)
-·~-- „ = D ~ ()F(X)
-- --„-- :c: A, jeśli tylko x0 nie jest zby t od legł e od X
A
- - --- - ax ax x~ xo
m ;:; ~ m0 Ji[ACA PA ) A );;
.,. -l T
(5.1.29)
222 223
,,
r
~Zt,Z= 1
I
w odniesieniu do macierzy kowariancji Cx_ wyrównanych parametrów X},
ponownie uzyskujemy Czz .Z, =
• • T o T
C,=DCx_D =m0 D(APA} D =m0 A(A PA)
-I T o T -I
A
T
c;,, J
Takie postępowanie można także zastosować do dowolnego układu funkcji
wyrównanych parametrów, czyli
i1w(.Y 1 • Yzl l~m„( .~ I . 1~., } lI
,„,„.,.,•) I
.
r
c11v<.~ 2 •• 1 J
:!
111 '~2
,;,„·(X ·2 . )'.:. }II
1.~ ov(Y2 . Y..'." ; l
Wówczas
2
,'„v( X ,. Y1 ) . ,',,..t.Y:. . .'< 2 ) <'tN( .Y:.. ):2 ) l/J •
.~'
a następnie
r
''ov(Y:. . 1 1 covP\ ..'< 2 J imo\ .Y1 l <'ov(Y,. X :. )
• w -- D w c·, XI) iu T
C - 2
......... nzo
D (.
1"-
.lj)
rl.A} ··l D w T
W tego rodzaju strnkturach pomiarowych parametrami w układzie równań Błąd położenia punktu
obserwacyjnych są współrzędne (X;, Y) wyznaczanych punktów Z;, i o::: l, 2„ .., z. Jest to umowny parametr charakteryzuj ący dokładnoś ć p o ł ożenia pun k-
tu po wyrówn aniu_ Jest on wyznaczany na pods tawie wzoru
Stanowiący podstawę oceny dokładności estymator Cx. = mg(A 'PAf- 1 ma-
• • • • • • • T
--·· ---
0 ?
cie rzy kowaiiancji wyrównanych współrzędnych X =[X 1 , Y1 , X 2 , Y2 , ···.X, , Y, I m/I„""
Jmi + m~ (5. l. ~12 )
~ "-----v-..J ~
Z1 Z2 Z,
W geodezyjnych sieciad1 wielopunktowych błąd położenia i-t ego punktu
ma wówczas następującą budowę ;
można zapisać w postaci
224
225
· ~r
226 227
··.\
(przypomnijmy: Cx =(Arc:.'.0 A)- 1 =erÓ(ArPA) - 1 ). Zatem także Po zastosowaniu uproszczonej notacji XJ.;=O"" x}. ostatecznie mamy
T -I T - I
/ 1 =Tr(BC x} = Tr(A C,,.1,-\(A C,„1<A )J= Tr(I,) = r
C5.La6>
oraz
3) Je ś li formy kwadratowe
(5.1.35)
~::::: [E(i:){ Il E(i:)). Macierz B = M re-,'x .„M spełnia ko- · T T - I " T -I " ·
nas tutaj form TJ A C ,ab A 11 oraz V C x ul> V, nalezy przede wszystkim
nieczny dla rozkładu x2 warunek BC „„ B =B. Sprawd źmy, że rzeczywi- sprowadzić je do wspólnego wektora losowego.
ście tak jest: :t
Wcześniej wykaz a lifo1y, że dx =dx + (ATPA)- 1 A r Pi:. Ponieważ
X = x0 + d x oraz X = x0 + J x , więc
BC
x
„„ B •.~rc-
= in
x"'J1
1
· ·1Tc-1 M = „
MC „hi•
x 1
~-1-r er -?p•·1
x" '>
"1•- 1,." -tT er - ?- PM =
0 - ,. er0- 0
0 0
11 =X-X=X +<lx -X - <l x =<l x -dx =
1 1
=Tr(MrPMP"" ) = Tr(MPP - ) = Tr(M) = 11 - r
'---v---'
1\11' = ai)2 eTPA(A rPA) - 1APe =eTPA(A rc~~bA) - 1 A Tpi; =
U1
228 229
Jj'
„l
B 1 =:PA(A T PA) · ·A
' TP
T T
Tl A PAri
F = ···--..„„,„.„- - Fli "''' J>-.11-1· (5.1.37)
W_podobny sposób przcprnwadzimy także formę kwad ratową estyma- rmo . -··
tora V do formy ~wadratowej wektora e. Skorzystamy tut aj ze znanego
nam j u ż związku V "' -Mi:. Zatem 'n Skoro zmienna F, przyjmujl:\ca tylko wartości dodatnie (chodzi tutaj
o stosunek form kwadratowych), ma ustalony rozkład, to prawdopodo-
V• 7 c·-I h v·· = r. T i\i1Tc- 1 'I i;;=i; T l ~~c.
xo xu• ~
,„ bieństwo, ze zmienna ta przyjmie wartości mniejsze lu b równe pewnej
wartości FY' można zapisać jako
z macierz<\
B ~= MC -. M
T I
... x"''
lub, uwzględniając postać zmiennej F,
Sprawdźmy jes zcze, czy wynikające z przeprowadzonych przekształceń
m a cierze B 1, B2 s pełniają warunek wzajemnej niezależności następują
cych form kwadratowych: (5.1.38)
"
P { 11T A T PA1\ ~rmr)F }
1 == y (5.1.39)
Równanie
B c
I x"b
B =
2
PA(A 1'J>A)'"' 1 A 7'p c
xub
M Tc-· 1 M =~
..___,_, xob
crijr - 1
jest równaniem r-wymiar owej hipcrelipsoidy o .cfrodku leżącym w punkcie
=- a 2oPA (A„PA)- 1.A„M 1
__, ____., c-x.1.lb1 M=O o współrzędnych X. Półosie a„, i ~' I, 2, .„, r tej hiperelipsoidy możn a wyra-
o zić wzorem
, I .r •.
0 = ·-
111 - V PV gd7,ie A. 1 są wartościami własnymi macierzy A rPA, tzn . pierwiasikami
11- r
r ównania (zob. np. W1śN1r;wsKJ 2000)
oraz dokonując przekształceń (jj = r,/2 = 11 - r)
,A.,.PA-).1, j=O (5.1.41)
„.Jj~. 1{A1'c-x"/>1 A Tl _ 1J
T \ T -- ~p\
f CJ () - ! T} _
r \TP\
1) I i T} _ Wartości F. mogą być odczytane z tablic rozkładu F-S n edecor a (tab. TV).
F = /~--.:r -(- , -~-)- Tablice t.e l~1 tak konstruowane , że dla każdej kombinacji stopni swobody
-
/2
I
„
• T ,- J •- - - -
V C
Xo/1
V
.f:.
- 2 >: -
·'·- V a 0 I V
-
r •.„ .•
' n-r
V PV
„
Ii c= r, !2 "' li .„ i prawd opodobieństwa y są podawane takie wartości F ze „
P{Fr, ..r, <- F}
r =„ 1
230 231
1
Elipsy ufności pojedynczych punktów Z wektor a X można wybrać parę współrzędnych C.Yj. Y;) dotyczących punktu z,
W praktycznych zastosowaniach obszarów ufności na ogół nie jest wy- przez zastosowanie następującej macierzy diagona lnej:
znaczany jednolity, r-wymiarowy przedział dla całego wektora X (hiperełip
soida może jednak znaleźć praktyczne zastosowanie w analizie porównaw- ()
czej różn ego rodzaju konstrukcji pomiarowych, zob . np. PELZEn 1980).
Natomiast są ustalane elementy elips (w układach trójwymiarowych :elipso-
id) dla pojedynczych punktów, a więc dla odpowiednich par współrzędnych o '
wektora X (np. tak jak na rys. 5.1.4). Wyznaczane są także elementy orien- I2 -c- -- 1 - -- -- 1 z.
I
tacji elips względem układu współrzę dnych (X, Y). o
X
o - -fZ= l
22
(0,1 2 e 91 · ). Wówczas
o
o o
o
Z; (X - X) =
X; - X;
~~~~~~~~~~~~-·--. y Y; -Y1 :
Rys. 5.1..1. Elipsy ufnośc i punktów sieci geo<lr.zyjncj o
Zagadnienie elips ufności dla pojedynczych punktów jest szczególnym przy-
o
o
padkiem przedstawionej wcześniej teorii hiperelipsoidy.
Przyjmijmy, że macierz ATPA ma następującą strukturę (w nawi;;1zaniu
oraz
do struktury wektora współrzędnych X = [X 1,Y1 , X 2 ,Y2 ,„„:<zY'- IT);
,,______._.. "---v---' ..._......-
Z1 Z·z Z:
gdzie:
Pz1
A'/'PA = ~~2.Z1
Pz,.z2
Pz2
·I ·~,
Pz z
P z2.Z:
1 . ['YY;.... ·] -
-
X; -· I
wyrównane współrzędne punktu z„,
[
[X
x:·] - prawdziwe współrzędne punktu Z;·
Pz,.z1 Pz,
X; =
przy czym niech
Niech macierz ll ma nastę pując;'.\ postać:
Px,r,]
p. • i= 1, 2, „„ z
Y; B -- . z' i A'f'c-x""
1 AZ
,i =O'o-·2 z ;A T l ) AZ;
(bloki Pz; .Zj nie będą stanowiły przedmiotu naszego zainteresowania).
232
233
Zauważmy, że oraz zestawmy dwie formy kwadratowe
l l·( ArPA)"-l =
~
- X}·2 =11-r
Pz,
Po n ieważ dla
oJ
B ,= MT C- 11 M
L
- x"'
zachodzi
= , ,,.21,• . \ r e -'X11l1i'-• .) ··Iz,.1f/\rpr ··l · ·1r c -:\„_;i
1M o
I .,_o~) r>2 = vo 1 \. (t
BC
.J ' ~ (V
'"--·...-..---
o
::::
- / .
„
:! ,Il "' r
oraz
234 235
-I
'I
l
Zatem dl a każdego punktu Z;, i= I, 2, .. „ z można ustalić następujące I Wielkości A.i.I i ,\'i.2 są wartościami własnymi macierzy Pz;' a więc pier-
. wiastkami równania kwadratowego
prawdopodobieństwo: I
i
-)
1' = O <;;:-~
j 1\x; PyI -- I.; I
(5.1.43)
Równanie
(5.1.44) Zatem
).1.2 i
„~ U'x ; + Py, + .jl\; )
(5.1.46)
przy czym
(5.1.45)
L\ J· '-'( Pv . + f'y.I ) 2 - 4(f'v 2 )= ( f'v . -- Py. ) 2 +4P 2
. Py.' - PX;Y;
.\., ,\, ~\, t XiYi
Obszarem ufności dla punktu Z; jest więc elipsa i jej wnętrze (rys. 5.1.5), Kqt skręcenia ukł adu elipsy (K , Y') względem ukladu (X, Y) geometrycz-
czyli nej struktury pomiarowej (czyli kąt <p zawarty między dużą półosią elipsy
a osią X) można wyznaczyć k orzystając ze wzoru (np. BAll<\.' I 1999)
oraz I 2Px·Y·
<p1· = -- arc1g ..„ ..„ .--.'...!.„„ .. (5.1.47)
2 Pv
,\ ,
. -J>y'
·~·
y
y
Rys. 5.1.5. Elementy elipsy ufno~ci
Rys. 5.1.6
236
zależy nie tylko od własności s truktury geometrycznej oraz dokładności po- . e~\";)
miaru, lecz także od przyjętego poziomu ufności y. Im większa wartość tcCTo 4 X o\<JV~c ~o\
'O\"'-ł,~ ~ ';\ci!."'' . -
prawdopodobieilstwa, tym większa będzie także elipsa ufności , a więc ob-
szar, w którym z prawdopodobieństwem y należy spodziewać się rzeczywi-
-\,<łs"' 'O\<..~..;.
\c\\~~'\ I
I
- - ·-- ···--
m i·
"'~>'
. / ••-
l \
stego położenia wyznaczanego punktu (rys. 5.1.G). Orientacj a elipsy nie za-
leży od tego prawdopodobieństwa, i jest związana tylko z macierzą P- . (st<o\d
~\-..1 ż ..... „i )
Hys. 5.1.6 a
współczynnik wa1iancji a<5 w rzeczywistości musi być zast<\piony estymato-
rem mJ (t:ak jak to czyniliśmy powyżej), bczpośrP.dnio na podstawie rozpornania Prawdopodo?i:ństwo, że rzeczywisty punkt. leży na e lipsie po ł ożenia
punktu lub W jej wnętrzu jest niewie lkie i wynosi Y= 0.39 (zob. tab. IJ,
r.
TB 1t. - 2
Xf =2 d.
g zie na podstaw1e
. P{ (r.T B 1i: = XJ') ,,,2) >(X,;') == I)} :=:a, po interpolacji odczytujemy
buduje się prawdopodobieństwo P(1:1°U 1t S xJ) = ;•. Prawdopodobieństwo to , a= 0.61, a stąd r = 1 - a= 0.39). Szczególna łatwość konstrukcj i takiej elipsy
zgodnie z ogólnymi i stosowa nymi także przez nas zasadami estymacji p r·ze- w pewnym stopniu usprawied liwia jej zastosowani e, jednak uzasadnio ne
działowej, stanowi podstawę do wyznaczenia elipsy o równaniu (np. PELZER
jest wyciąga nie na jej podstawie jedynie wniosków o kierunkach najwięk
1980, O SADA 2001) ,,-··"'" ____ szej .i n~jmniejszej. dokładności wyznaczenia punktu Z1 (kąt skręcenia elipsy
połoz ema p unktu Jest taki sam ja k ścisłej elipsy ufności).
T ') ' T ·, ( 2 2 '
t H1t "-'[ <=> (X; - X;) Pzi (X ; - X;)= \ a ox \
n a zywanej clipsl\ położenia punktu. Jej szczególnym przypadkiem) 5.1.4. Streszczenie procedury wyrównania
,_/
, T ' ...--· i oceny dokładności
(X, ·- X;) Pz, (X; - X; )= I,,,. „ . - -- ·-
Standardowy proces wyrównania sieci geode zyjnych lub innych struktur
„ "') .
(dla CT(jX- = I) Jest tzw. elipsa kowariancji, nazywana w geodezji e li p s ą błę - pomiarowych o podobnym charakterze, metodą p rzed stawio ną w tym roz-
du położenia punktu łub , jeszcze inaczej, e lips ą błędu śred niego (ob ie te dziale, można ująć w następujących punktach:
n a zwy nawiązują do b łędu położenia punktu nazywanego niekiedy, niezbyt. L Ustalenie liczb.y obserwacj,i kon~ecznych r, wybór para metrów X1, X 2 , --·· X,
prawidłowo, błędem średnim położenia punktu, st<\d nazwa - elipsa bh:du
oraz utworzenie układu rownan obserwacyjnych
średn iego). Otóż elipsa błędu położe ni a punktu jest wpisana w prostokąt,
o bokach 2111 :\'. oraz 2my·. i o środku w punkcie Z;. przy czym zachodzi X1 = F1(X1 . X2,.„,X,) = F1 (X) )
'I I
X2 = F2(X 1. X2 „ .. ,X, ) = !·)(X)
tutaj (rys. 5. l.6 a , GMvntm i in. 1990, rozdz. 7 - · PnószYŃSKI 1990) . - ---~ X = F(X)
- wartości kontrolnej
oraz wektora wyrazów wolnych
s· = L T PAd- x + L T PL
stanowiących elementy liniowego układu równai\ poprawek prawidłowo rozwiązano zadanie optyma lizacyjne min y 'l'py = yTpy dla
dx
V-= Adx + L ustalonych macierzy A, L, P (I etap kontroli nie wykaże błędó w w usta-
laniu elementów tych macierzy).
4. Na podstawie błędów średnich pomiaru a priori Cm;), lub innych uzasa?~
8. Obliczenie estymatora współczynnika wariancji
nionych przesłanek, ustalenie wartości elementów macierzy wag. J esh
wyrównywane wielkości są wzajemnie nfozależne (np. nsurowe" wyniki ') yTpy s
pomiaru), to 111(j = ··-„···-······ = ...„„ .
11-r 11 - r
lub
240 241
T • .,. Tl • Tl - obliczenie błędów ś rednich wyrównanych wyników pomiaru (na ogól
A P'Acl;.; +A· P'L= O ć=c} A --, PAcl x +A ···--;- PL = O <::::)
mfi mQ kilka reprezentatywnych wie lkości ) na podstawie wzoru
A T PAd X + A T PL = o J
m;, = m0 a;. (A T PA ) - I a T;.
9. Obliczen ie wyrównanych wartości para metrów X= x 0 + J x oraz wyrów· (a;. - i-ty wiersz macierzy A) lub, w rozwiązaniach oznaczonych, na
nanych wartości wyników pomiaru (estym a torów prawdziwych wartości podstawie wzoru
wie l kości mierzonych)
x= F (X)
Negatywny wynik tej kontroli ma, na og0ł , dwa podstawowe źródł a:
- błędy w równaniach obserwacyjnych (najczęściej są to b ł ędy w nume-
racji punktów sieci, błędy w wartościach współrzędnych punktów sta-
lub, w rozwiązaniach oznaczonych, na podstawie wzoru
łych, itd.);
- błędy w przechodzeniu od nieliniowego układu równań obserwacyjnych
do liniowego uk ładu równ ań poprawek ( naj częściej chodzi tutaj o źl e
dobrane, przybliżone wartości parametrów, nie uzasadniające zastąpie
nia funkcji nieliniowej liniowym szeregiem Taylora - w takim przy- .irela cji R 7 FR =F,„ -; Fu ;
padku, w ponownym wyrównaniu, za przybliżone wartości parametrów - jeśli wyrównanie do tyczy geometrycznych struktur pomi a rowych
można przyj<\Ć X z wcześniejszego wyrównania). w układach (X, Y) wyznaczane są także błędy położenia punk tów
11. Ocena dokładności. Vv zakres standardowej oceny dokładności po wyrów- ·-·--- -·'
naniu n aj czę ś ciej wchodzą:
- obliczenie błędów śre dnich wyrównanych parametrów na podstawie
111 „,(Z · )
1 I
=
J ')
m: + m:
X; Y;
macierzy kowariancji
W bardziej zaawan sowa nych analizach, w pn1ypadku nowo wyznaczonych
punktów Z;, są ustalane elipsy ufności z zastosowaniem wzorów ( pół osie
a;, b; i kąt skręce nia 'P;)
= mo {i;.;) l·~-1.
((o];; - i-ty element przekątniowy macierzy) lub, w rozwiązaniach ozna-
a; I 2Px;Y;
czo nych, na podstawie wzoru <p· = - ·arctg ·- - - -·
b; =mo~2).;~if<~
' 2 Px, - I\
).;.1 =1<Px;
l
I + Pr; - vr--
).,·~ = -(Px.+Py_.
•- 2 I I
t1i )
ft·- .
+ 1'.;)
l 2 p2
t1; =(Px. -Py.) +4 v.v.
I 1 f ''l j
242 243
.,
I
I
(na ogół przyjmuje się r= 0.95). Wielkości Px; , Py;, Px;Y; są elementami Uzyskane równanie poprawki jest liniowe względem nieznanych para-
bloku met rów ff;, Il.. Nie m a więc potrzeby r ozwijania go w szereg Taylora
w otoczeniu jakichś przybliżonych wartości tych parame trów (t utaj - przy-
P-Z; =[Px; Px;Y;]
!'
bliżonych wyso kości punktów). W t akim przypadku wektor niewi adomych X
Pr,x; Y; w modelu fun kcjonalnym V ~ AX + L tw orz ą „c ałe" wysokości punktów. Ele-
menty ma cierzy A przyjmują któ rąś z wartości : -1 , O, I, na t omiast wyr azami
wyjętego, dla każdego z punktów Z;, z macierzy wolnymi są ujemne wartości wyników pomiaru przewyższeń, tzn. I;; =-·hi;''
(w niektórych przypadkach redukowane o znane wysokości reperów, z ob.
Pz Pz 1.z2 przykład 5.1.1).
/ = 6
4
h,. z.
"· h
li o punkly ,\ ~
l o ·- I o t- hs
r, „, fi~ - Ilf -1:-:
W )"/ll3C7.;lllC
o o „. 1 o <--· ;,„ ·· łlf-1it
o o o ·- h, li~ -1.;"
o o ·- I o ·- h:c -IJ~ -- l·f
o o o - I i- h'> ·· H.~ -·/ef'
o o o --1 • - h1u - Il.~ - h~°ti
Rys. 5.1 .8. Przykł a d s ieci ni we lacyjnej
Rys. 5.1.7. Pru,wyższ cnic micd1.y clwoma pun ktmni W celu ułatwienia obliczeń można jedna k także przY.Jąc, ze są znan e
pewne, na przykład ustalone na podstawie wyników pomiaru przewyższeń,
Przyjmując jako parametry wysokości fi;, H tych punktów, odpowiedni e przybliżone wysokości 11?.11J
punktów Z;, z. (podkre ślmy: ze względu na
równanie obserwacyjne można przedstawić w p~staci liniowy char a k t er funkcji FiJ(H;, ff), przybliź~nia t e mogą być w zasadzie
dowolne). Wówczas
h;i = f ji (H;.lli) = li i -fi;
Poni e waż prawdziwa w artość prz ewyższenia h,. jest sum ą wyniku pomiaru
l zij"" .1 m. eznaneJ. popraw k'1 viJ, .
w i ęc
!]
244 245
a n a stępnie sprowadzić do postaci liniowej przez ich rozw1męci a w ograniczone do
pierwszych wyrazów szeregi Taylora, tzn. jeśli dla i-tej wielkości mierzonej
v„::.dlf -du +HO - f!O -Ji !~h (5.1.49)
lj "i ' ; ..._!_____!,__!!___ o r ównaniu obserwacyjnym x 1 "' F,(X) funkcja F,(X) jest nieliniowa, to
l,j
Współczynnik.i
przy niewiadomych są tak.ie same jak w równaniu (5.1.48), I":= aF,(X)l
ax X=Xo <lx.. + F(Xo)-x""
co oznacza, że macierz A w obu tych wariantach rozwiązania jest taka sam a I I . I
(zmianie ulega jedynie wektor wyrazów wolnych). Przykład sieci niwe lacyjnej lub w formie rozwiniętej
oraz odpowiadające jej macierze A i L przedstawiono na rys. 5.1.8.
ur~ ( X) I
1
= ar;(X)I
„.„„„„„„ .... , aF;(x) 1
c/\. + -----„„-„ . X o)-x"h
d„ +f.(
Sieci geodezyjne w układzie (X, Y) v.
' u'\X I X ~X 11
. I '\X 2
(}
IX:.- Xo <lv " 2
+ „ ·+ -~„··--
'\v
0.1\ r X =Xo
"' '
;;_.
'
W poprzednim przykładzie sieci geodezyjnej funkcje określające związki J.";
między wielkościami mierzonymi a przyjętymi parametrami były liniowe.
{5.1.50)
Pozwa l ało to na „natychmiastowe" sformułowanie liniowych równań popra-
Stos ując podstawienia
wek, a stąd na usta.lenie koniecznych w procesie wyrównania macierzy A i L.
W prnktyce powszechne zastosowanie znajd uj ą sieci geodezyjne definio- ()Fj(X) i [ ilf·j (X) _J_Fji_X_'.)
wane w dwuwymiarowym układzie, np. w ukła dzi e (X, n. Mierzone s ą tutaj a;. "" „„.;)X'--Jx ~xo = ·ii~\;;„„ · -;); ; ·-
najczęściej odległości i kąty, a w zasadzie kierunki, na podstawie których te
kąty są oblicza ne (rys. 5.1.9).
,Jako parametry w tego rodzaju sieciach (o czym już była mowa) przyj-
muje się na ogół współrzędne nowych punktów. Równ a ni a obserwacyjne liniowe równanie poprawki do i-tej obserwacji możemy także zapisać w postaci
oraz wynikające z nich równania poprawek są wówczas nieliniowe. W części
teoretycznej mówiliśmy również, że w takich przypadkach równania t.e n a leży (5.1.51)
n ~:· 4
(przypomnijmy: a„. - i-ty wiersz macierzy A). Wynika s tąd , że dla cał ej sieci
o 11 mierzonych elementach uzyskuje s ię
v; = a;.d x +I; } ~-
- V:::Adx + L
i == 1.2... . , 11
s
Poniżej przedstawimy liniowe postaci równań poprawek dla typowych
obserwacji w .siecia ch geodezyjnych re alizowanych w układ zie (X, Y).
s,
Równanie poprawki do wyniku pomiaru odległośc i
Niech pomiarowi podlega odległość dij między punktami Z;, 2;· (rys. 5.1.10).
X
...
s.
O punkty wyznaczane
6 punkty o rnanych wspólr;.~dnych -„--.-·„--·~ }'
2'1-6 247
Ii
Równanie obsenvacyjne dla tej odległości, a następnie równanie popraw- Równanie poprawki do kierunku i azymutu
ki do wyniku pomiaru, można przedstawić w postaci Załóżmy, że jest mierzony kierunek K;i linii Z,, z względem „O" koła po-
1
ziomego limbusa. Koło poziome jest zorientowane dowolnie względem osi X
układu współrzędnych, co ozna cza, że stała orientacji C; na punkcie Z; jest
różna od O, na rys. 5.1.11: C; > O.
d ;;
X
Natomiast liniowe równanie poprawki ma postać
--·„ i I
ax .1
(Jdij (Jdij I; ()d,i il dd ;j
V
.1,, = dX + , --„··-
ar. ' ax /.;
d I'. + - ·- dr . + --···-·
. , ar./ C, - stała oric111acji
K, - kierunek
' x~x" ' x~x" I x"x" h:.0 x11
A,1 "· :lJ:ymuc
J
+ ( Xoj. -,,
v0)
f
. 2 - (Yo
)
. - yo)2
I
. 1"1'
-C··
tj
z,
Poniew aż '+--~~-~~-~~~y
y . -- Y
K·I)· = arcc<> - 1- ·-'-+
"'V . - V .
C·I -·>
,\ J 1\ J
()d.. 2(X - X ·) M
---'L=~~~ . ! = = - -1' =cosAij• Po r ozwinięciu tego równania do postaci liniowej uzys kujemy
axi 2 J<xj-X ;)2+(Yi-Y;)2 dij
()K ij I dK;j i ()K,, i dK,, I
~'!!L
:::: -··-•
vx, I IX .- x 0
d r + -· -·l
· ' iJ Y ! ' tx~."'" x 0
· vx ..x ·-·xa d ·r , + --·--·1
dy + ·---J
1
i aY . ~ x 1 .- X 41
dr,+
()yj yo_ yO
+ arctg -1.___ .:.._. + c. - K '.'./J
więc
xoJ - XC) I
I I/
-~-------
K,~
vd
0 . A··0 d l'. +cosA-·t
=-cosll ,,··tI x ; - sin ·· A•i'
o I r. +sin 0
l y . + <1°
,,.. ---<ii
l"h
ij ,, i ,, . J J --------- (5.1.52)
lu;; Po wyznaczeniu pochodnych
<I1_n,
(5.1.53)
l.__ Rys. 5.1.12. l{:\t
r
ar.er
. (w zalcznosc1
g d zie . . . od miary
. wyrazu woInego l KiJ "' Ko;; - if ·1- c-, )··
K."„
250 251
.T
I'
W obu tych przypadkach równania obserwacyjne dla kąta r:.tlCP są iden- Zatem
tyczne i mają postać
aLC/' = Acp -AcL = Kcp +Ce -(KcL +Ce) = Kcp -KcL =
Y1,-Yc (5.1.55)
=arctg -
Xp - Xc
Na tej podst awie można sfo rm u łować n astępujące nie li niowe równa nie po-
prawki: ( współczynnik p występuje w równaniu poprawki wówczas, gdy wyraz wolny
Przykł a d 5.1. l
W sieci niwelacyjnej przedstawionej na rys. 5.1.13 zmierzono przewyż
szenia, uzyskując wyniki (w metrach):
+ iJa~~t-1
1
Wysokości reperów R1, R2 są znane i wynoszą: liu =, 100.127 (m), HR '' 115.430 (m).
1 2
Wyrównać tę sieć oraz obliczyć:
1) błędy średnie wyrównanych wysokości, • •
2) błędy średnie wyrównanych przewyższeti h1, h2 ,
3) b łąd średni funkcj i w=f;1+2/~2-
0bliczenia wykonać stosując: a) rozwiązanie nieoznaczone, b) rozwiąza-
nie oznaczone.
---'...:'·.._~_ _R.
8
CJalC/' _ il Y„ - Yc () Yl -Yc L\Ycp L\Yo
- --- - - ·--arctg--·-·- - - - arctg - -- - =- -- ·····---
dXc ()Xe Xp - Xe ()Xe -Xe x,_ <1l,, dz'[.
~.C:.f.f.1.'.. =- 2- -arctg ~.=!:'.c. __!!___ arctg --~..:=-!.c .=_!::_~<::f... +~~Cl.
arc arc Xp -Xe arc X1, - Xe c11,.p "ZJ. Z,
Hys. 5.1. l:l. Sieć 11iwchtcyjna
252 253
Rozwiąza ni e
Poni e waż do jednoznacznego \vyzna czenia wyso k ości punktów z„ Z,. z. h,1 = H 2 - H 3
są konieczne ty lko 3 obserwacje (np. przewyższenia /rj'b. Iz~" . 1i;•i> ), więc ;. =} h5 = H 1 - H;
(w sieciach niwelacyjnych dowiązanych do reperów wartość jest zawsze ·„
równa liczbie nowych punk tów w sieci). Za tem f = 11 • r ~ 5 -· 3 = 2, co wskazu-
je, że i stn i eją dwi e obsenvacje nadl iczbowe 1 s ieć m oże zo s tać wyrównana. o wektorze parametrów X"'[f/ 1 H2 11 3 { . Po podstawieniu h;=hf'b+ v;
Przy t ej okazji zwróćm y uwa gę , że korzy stając z wyn ików pomiaru prze- oraz pros tych przek sz tałceniach , uzyskujemy następ ujący układ równań po-
wyż s ze11 , można uzys kać na s tę puj <1ce wys o k oś ci punktów: prawek (funkcjonalny model zadania wyrównawczego):
v, =
v4 =
=- H, + 1-1 1
H2
00
113 = 11 11, + li1 - '15:.:: !04.272 (111) !.
o o
l
a także zap r oponowa ć jeszcze kilka innych zestawów wysokości punktów Z p
z,.
Z2 , Oczywi ście, wielowariantowość rozwi ązania jest nie do pr zyjGc:ia. Wy- o
-1
bó r jednego ro z w i ą z ani a, optym a lne go wz g l ędem j a kiego ś kryte r ium
(u nas to kryterium wynika z zastosowanej metody wyrównani a - metody
A= o o
o I -I
X ,[Z; !!3
n aj mniejszych kwadratów ), jest podstawowym celem wyrówna nin.
Dalszym etapem , niezależnym od s posobu rozwi ązywania układu równań o -I
nonmilnych, jest wybór parametrów i utworzen ie uk ł adu równa ń obserwa-
cyjnych, wiążą cych te pa ra metry z wi elkoś cia mi mierzonymi. W sieciach
- Hu, - H R1 - J"b
IJ - 102.498
ni wclacyj nych za para metry pn:yjmuje się, na ogół , wysoko ś ci nowych
punktów. Z wcześni ejszej uwagi o liczbie par ametrów wynika, że będ ą to () I ab
- 12 - 4.768
wysokości wszys tkich wyznacza nych punktów: fi 1, lf2, 113 . Ta kie założe nie w == - H R2 L===w-x"/I = - H R~ !"11 -· 107.288
- 13
pozwala na sformułowanie n astępującego układu równar1 obserwacyjnych :
o Job
- 14
-2.961
o - 115""
1.774 (111)
25'1
255
Po ustaleniu macierzy wag, zapiszemy (Vi: m1r, =1111i =0.02 ( m)) Wówczas zakładając, że
H 2 =fi~ +d 11,
P1 H :i =Il~ +dH.,
·1
o 2500 1 '
=
l
p PJ 2500 uzyskuje się następujący układ równań poprawek:
o 2500
,,..L„-,
l'SJ
~ V = Acl x+ L
Nic już teraz nie stoi na przeszkodzie, aby wyznaczyć macierze
Ponieważ macierze A i l' pozostają bez zmian, zatem nie ulegają także
1.5 2.0] zmianom macierze ATPA i (A.,.PAt 1. Wobec tego obliczamy tylko
2.5 2.0
cnh
2.0 4.0
ArPL =
-192.5]
55.5
a następnie
[ 137.5 (lll)- 1
a następnie
Można jednak także, o czym już mówili śmy, przyjąć jakie~, w przypadku
sieci niwelacyjnych <liniowe ukł a dy obserwacyjne) zupełnie dowolne, przy-
bliżone wysokości punktów wyznaczanych. Niech na przykład (w metrach)
256
257
Okazuje się, że po uwzględnieniu zależnośc:i X =x 0 +ci X• uzyskuje się takie Poni eważ wynik także i tej k ontroli jest pozytywny (w granicach błędów
zaokrągle11), przechodzimy do oceny dokładności , obejmuj ącej:
sam e wartości wyrównanych parametrów jak w pop rzednim wariancie, tj.:
1) Błędy średnie wyrównanych wysokości.
102.498] r 0.012 -[102.510"' r,1, 1 P o obliczeniu macierzy kowariancji wyrównanych parametrów X. a w za-
sadzie jej estymatora Cx_. otrzymujemy
x '"x +dx =
0
[
107.288 1
+,-O.Ol2I= 107.276 =[ r~ 2 j
104.327 l-o.021J 10000 ~ (lll) 11 1. Ji
Wyznaczymy teraz wektor poprawek (przypomnijmy: chodzi tutaj o esty- O.OOO 145 o 000193]
mator lego wektora ) oraz przeprowadzimy r et.ap kontroli: 0.00024 l 0.000193
0.000193 0.000386 (m )2
r 0.012
- 0.003 skąd ( w met.ra ch)
V = ,\cl X + L = - O.Ol 2 s ='\i-- T PV- ::: 1.928
0.0 15
m,;, = Jrc x]l.I =J0.000241 =0.015
I_-0.015 (m)
m,i, =Jrcx. h.~ = JD.000241=0.0 15
LT PL = 8. 772. /Il li, =[ił; b.:i "'J0.000386 = 0.020
Pozytywny wynik kontroli (s "' s') pozwala na kontynuowanie obliczeń, czyli:
- wyznaczenie estymatora ws pókt:ynnika wai;ancji Takie same wartości błędów średnich 11111r. uzyskamy korzystając ze wzoru
(bez miana) J
111„, =111 0 F0T, (A T PA) - I F 0 ,
(w artość ta, bliska l, wskazuje na prawidłowy dobór wartości wag) oraz wywact:ając dla każdej z wyrównanych wysokości {I;, odpowiedni
- obliczenie wyrównanych wyników pomiaru wektor F·X;='lf;
·
. 2.37 1 0.0 12
2.3831
4.768 -0.003 4.765
•
x=x
ob
+
V-
=l-,.
r 8 l )O
42 + -C. 12
2.961 0.015
= -8. 154 Il I -- F11· ( X) -- Il I
1
-> F·
11,
=
2.976J
--1.774 -0.0 15 -1.789 (m)
259
258
przy czym
iJli1
a1i;·
iJłił.
i'Jff2
~!;3 =af. =m
ilH3
260 261
Następnie obliczamy
Stosując rozk ład na czynniki trójk<\tne, można także obl iczyć:
1) Błędy średnie wyrównanych wysokości
Rr FR F·li;
b) Rozwiązani e oz na c zo n e
Powróćmy teraz do układu równań nonnalnych , rozwi ązując go przez roz-
kła d macierzy na czynniki trój kątn e. ,Jest to s posób najczęściej stosowany
J,[ 86.602
- 28.868' 81.649
o Ojl-fR
=0.01 15 ..
=0.004 1 = o
oI
I
/112
I [IlI
w praktyce obliczeń, szczególnie w wyrównaniu dużych sieci geodezyjnych.
W n a wiąz aniu do przedstawionej wcześni ej teorii t a kiego rozwiąza ni a - 28.868 -40.825 49.999 IR.t = 0.0100. OjJ
or az biorąc pod uwagę obliczone już macierze (przyjmujemy wariant, w któ-
rym s ą znane przybliżone wysokości punktów i jest wyznaczany es tyma t or m ii, = mo .JF'f FR =0.98.J0.000249 = 0.0 15 ( 111 )
pr zyrostów <i x ),
l
przeprowadzimy rozk ład 2
_,., ,,..,31
o
T''"'
--2500 - 2500 () ·- 2!1.868 - 28.869 86.602
[ 7500
-2500 7500 - 2500
-192.5] [ 86.602
55.0 '~ - 28.868 Rl.649 o o 81.649 ---10.825 - ~~~;-;J - 28.868 81.649 Ol[ IR,
o.
i
!R I
"'
=0 O [O]
= o
- 28.868 - 40.825 ·19.999 I 0 o t..ns
-2500 -2500 5000 137.5 49.999 [
-28.868 ·- 40.825 49.999 JIR:= 0.0200 I_
r . r
[A PA : A PL I
i
[
o o 49.999 ~ ~
aH 1.375 0
[
86.602
- 28.868 81 .649
o ,
Oli fR I = 0.01 15]
o I R2 "' 0.004 1 = o
[l]
R - 28.868 - 40.825 49.999 f RJ = 0.0!00 0
262 263
}~3 -) a I. =
Ol [ 86.602
I : - 28.868
[o -28.868
81.649
-40.825
o
49 .999
ol[fR
O fR =0.0122
=O
0
[olI
1
Rozwiązan i e
obliczyć błąd średni
oraz obliczyć ich błędy
fu nkcji w= sin ci +cos ;'.
l[
''J
cje konieczne). Tyle też należy przyjąć parametrów w procesie wyrównania.
86.602 o Zatem skoro r ~ 2 oraz tJ '" 3, w i ęc w trójkącie o trzech mierzo nych kąt a ch
-28.868 81.649 Ol[
0 fRf 11
2
1
==0.0122
O = Ol
l
istnieje jedna obserwacja nadliczbowa {/ tJ - r ~· l ).
0
"
,Jako parametry na l eży przyjąć dwa dowolne kąty trójkąta , np. a, /3.
[ 49.999J/113 ""-0.0IOO -I
-28.868 -40.825 Kqty te będ<1 z j ednej strony (l ewej strony układu równań obserwacyj nych)
traktowane jako wielkości mierzone, natom iast z drugiej strony (prawej
s t rony układu równań obsei-wacyjnych) - jako nieznane parametry. U kł ad
"
hs ->as.
T
[l
= -~ : [
86.602
-28.868
-28.868 -40.825
81.649
o
Ol[fR =0.0115
1
o !11, = 0.0041
49.999J/11:=-0.0IOO
l[Il
=
-I
o
równań obserwacyjnych można więc przedstaw ić w postaci
(L=F1(a,/l)=a
fJ = F,(a,/1) = /J
m. =moJFfFR =0.98J0.000249=0.015(m) gdzie X = I.a !311. - wektor parametrów. Podstawiając w układ zie niwnail ob-
''s serwacyjnych x = F(X) ( również i w tym przykładzie jes t to układ lini owy )
3) Błąd średni funkcji w =1;1 + 21;2 w miejsce x wy rażenie x = x. 0 b +V, bezp ośre dnio uzyskuj emy .liniowy układ
[
86.602
-28.868
- 28.868 -40.825
81.649
o
ol[fR
0 f
49.999
=0.0204 =[-11
1
=-0.0115
Ro 2
fRJ :::: 0.0100
l o
równaó poprawek o postaci
Rys. 5.1.14
264 2()5
r „ Taki same wyniki wyrównani a uzyskamy przyjmując jakieś ( ponieważ
układ równań obserwacyjnych jest lin iowy, w ięc dowolne ) przyb liżone w;:n-
1 tośc i parametrów. Niech np.
111(,
P=
,,,, r2500
l
2500
10000 J (p\
l
_., - 2
Wówczas
a 0 =a"" =43.455g.
AT PL= [- 1068047.5]
-1 090550.{) (g) I
z nowym wektorem wyrazów wolnych
u zyskujemy :
·-· estymator wektora parametrów
· T -I T
X = - (A PA ) A PL::::
[43.4683]
.., < ~
5„.469.> (l:)
~~
[Jl
•
/J.
J
Ponieważ macierze A I' nic ule gają zmianie, więc obliczamy tylko nową
wartość m acierzy
- estymator wektora poprawek
oraz
J- [J ]
S = \ 1 Tp y = 1.0000, mo ==
f y"__
n-r
.:~. =
T •
~~- = i
I
<l• x = -(A T PA )- I A T PL = [0.0 133]
0.01 33 (g)
=_ex
d/J
Przeprowadzaj<\C I etap kontroli obliczeń, wyznacza my Wobec tego, również i t utaj , wyrównane parametry m ają wartości
266 26i
możemy bezpośrednio ustalić wartości błędów ifrednich wyr ównanych kątów
. . r
L
1 1
I ol 0.0133 [ [0.0 133
0- a i /3:
i
~~
I O = 0.0 1-u
V = Adx +L=i O
L-I _Jo.o \33
+
0.0300 J0 .0033
natomiast błąd średni wyrównanego kąta y obliczymy korzystaj ąc ze wzoru
Ponawiając I etap kontroli, uzyskujemy
T •
L PA<l x = - 8.000, lT PL =9.0000
przy czym
co pozwala na stwierdzenie, że
[()y --dy].- =(-1
F-T = - ·-l]=a·.
s· = LT PAd x +IT PL = 1.0000 ;· aa ap ·'
oraz
Po wykonaniu tego działania, uzyskujemy m 7 = JQ.()0009 = 0.009!:.
s =s·
B!Qdy średnie wszystkich wyrównanych kątów można także uzyskać na
Po wyznacze niu wyrównanych wartości parametrów oraz wartości popra- podstaw1e macier zy kowariancji wyrównanych obserwacji, tzn. macierzy
wek, a takie po stwierdzeniu prawidł owośc i tych wyznaczcri , kontynuujemy
dalsze działania. Obliczymy więc wyrównane wartości kqtów: „
l
/Il~ i'ov(<~. /})
a=a"b +va= 43.4550 +0.0 133=43.46831; · = 0„ A(A T PA }-l A'f = iov(fl,a)
"' ., iov(a, 9>1
ex 111 111:
fi
eov(~ . y) =
cov(y,ii) cov(9,/J) m:
jJ =/J"b + v/l = 52.4560 + O.O I 33 = 52.4693!: i' ...
-o.ooo 18
l
0.00022 -· 0.00004
9=/'1> +-V7 =104.0590 +0.0033= t04.0623g = -0.000 18 0.00022 - 0.00004
-0.00004 -· 0.00004 0.00009. (d
\
oraz przeprowadzimy II etap kontroli (x =F(X))
W celu ustalenia wartości błędu średniego zmiennej w, gdzie
a= ci. 43.4 383 == 43.4683
!
V
r = 2001: -
'----v---~·-'
a - i> I 04.0623 =I 04.0624 V należy przede wszystkim wyrazić ją w funkcji wielkości, które w procesie
":--'
W:trownai:c wyrównane wyrówn an ia były parametrami, czyli w naszym przypadku w funkcji kątów
wymkJ pomiaru p;srium:try a i /J. Zatem po ustaleniu
(V "' sin a+ ens 9"' sin a+cos(200!; - t.i - ff)
Ocena dokładności wyzna czamy
Kt\tY a i j3 były par ametrami, zatem po wyznaczeniu macier-q kowa riancj i
wyrównanych parametrów
F
()w1 =[cosa+sin(2oos-a. -;})J=[
=-aa- 0.4873]
- 1
C:;: = m0(A PAY =
T l m.
2
'! _ cov(~)i)l =[ 0.00022 -0.00018]
CV
[ap
d(J)
-·--;:-· 51• 11(200g - •
(J. -
•
p) - Q.376'9
· [ cov(/l.a) mft -0.000 18 0.00022 (g)1
268 269
l.,
l
l
Przykład 5.1.3
\V celu wyznaczenia wspólrzę dnych punktu Z, zmierzono odległości d 1•
l pozostałe,
łem 6
jako nad liczbowe (/=n --· r ~~ 2), sprawiają , że m ożnn uzyskać ogó-
par r óżniących się między sobą w s p ó łrzędnych inte res ującego nas
d 2, i1„ d.1 do 4 punktów o znanych współrzędnych (rys. 5.1.15): punktu. Nic jest to, oczywiśc ie, zachęcaj ące rozwiąza ni e. Powtórzmy więc :
zadaniem wyrównania jest zastąpienie zbioru różniących się między sob;;\
S 1(1400.200. 2389.750). s~ (1450.oso. 2550. 150! rozwi ązań jedn ym rozwiązan iem, optymaln ym wzg l ędem j akiegoś kryte rium
optymaliza cyj nego (w metodzie najmniejszych kwadrntów tym kryte1;um
S,1 (1219 .960, 2589.840). s_, (l 359.880, 2640.360) - •T •
jest Ę ( X ) = V PV =rnin) .
(w uk.ladzie (X. Y)rm)· Otrzymano n astę puj<\CC wyniki pomiaru:
t1;•i> = 15 i .58 1 z błędem średnim pomiaru 111 1 = 0.008 Równania nbserwacyjne. l.iniowe równania ooprnwek (macierze :\..jJ
Pon ieważ w naszym zadaniu r = 2, wi~c należy przyj ąć dwa pa ra metry.
1112 =0.015 W k lasycznych sieciach geodezyj nych wyr ównywanych w ukł a dz ie (X, Y),
o czym już mówiliśmy, za paramet ry przyjmuje si ę zazwyczaj nieznane
nr.i = O.O 15
współrzędne wyznaczanych pu nktów, tutaj w s pólrzędnc (Xz. Yz) punktu Z.
d711 =182. 312 111,, = 0.012 Dla każdej z mierzonych odległośc i formułujemy równa ni e obserwacyjne,
uzyskuj<\C w ten sposób n astęp ujący układ równań ( układ r ów n ali obserwa-
Na podstawie wyników pomi a rn ustalono przybliżone w a rtości wsp ół
cyjnych ):
rzędnych punktu wyznaczanego: X ~ = l 250.18 <m>. Y~ = 2409.86 (ml.
X
dk = F,C Xl ==Jcx.1.< 2
_ ; -;,-; :( Ys, --Y~J 2 } „. -->
s, k-- 1„„.·l
s,
I),
I
d,
c1\ s,
przy czym X l := X~ + d Xz , Yz = YJ +dyz. Przyjmij my, że początkiem odcin-
ka d;- jes t pun kt wyznaczany Z (i: =Z), natomiast jego k oń cem punkt stały
~ Sk, k =' I , „„ 4). Ustalone wcześniej ogólne, liniowe r ównan ie pop1·awki
Sk(j:
do wyniku pomiaru odleg łośc i
_____„r
Rys. 5. l.15
d)' -'· d I)0 -- d''IJ.h
J '
J
d 2o =(Xs~ -Xz)
02 .
+tY 02 . ?6
52 -Yz) =244. _I (m)
- 0.2 19 -2 19.,
- 0.059 - 59
0.038 .- 38
[ [
o
_.„..
„_~_„,„
()
_
o
____
0. 187 (111)
187 11lllll)
d4 =
F 2
Xs., -Xz) ·1-(Ys.1 -Y2 )
2
=182.499 (m)
156
~8.957 '
p;;; 1
44
Ys, - YJ, I t
~y·:;,·=-xI Jp
0 (
691 11111\) -,
')
272' 273
- w yrównane odle głoś ci
( i·\rP\
I )
·-l _
. -1rs1.so
-2.61
-2.611
S") (:1 I
' -· l - J(Jnml~
rI l'J
-
~ 1 5 1. 58 11 1 -0.001 l51 .5801
Po wyznaczeniu interesującego nas wektora, uzyskujemy 244.275 0.0 15 244.290
' +-
255.235 J l-0.0 15
r
1255. 220
-
d X "' -(A
T ·I T
PA) - A PL:::: -
1-198.91
I -Ja.Xz
153.8 ~(mm )
I_Jv., j 1 82.3 l 2 0.003 ~1 82. 3 1 5 (111)
_ ' ,,
lLtlfilLkon t.ml.i
J.Ye„kt<1.r. .Jrnp.rnwGlc_Y._si.rą1,__LęJ;~.v-ls.rmtrQJi. Układ równań obscnvacyjnych powinien być spełn ian y prze z wyr ównane
Ponieważ wynik I etapu kontroli jest pozytywny (s ,,, s'), obliczenia mogą
d.i = 182.31 5 .,
być kontynuowane.
Również i ten etap kontro li wypadł pomyślnie.
R
~-
_YJ_ rl)'z
l
""' r[ x ~] +['jXz =[12so. 1so„J
.J 2409.860
+[-O.I99l= jl 249.98 l]
0.154.i L'.2410.014 (rn)
=['\z J
_Yz
kiej liczbie wyznacza nych paramctr6w z łatw ością m ożna wyr.n nczy ć ich
macierz kowaria ncji , a na jej podstawie -- takż e ich b łędy średnic. Zatem
274. 275
kąt skręcenia
_ „ r _1 5 l.80
[ - 2.61] = [ 55.73 -2.81] 1 2Prr
Cx·· = m(j(A PA) = 1.076 =- arctg ·
. -2.611 82.62 - 2.81 88.88 (mm)2 = rtJ
. 2 Px -P;·
Można zauważyć, że bh\d położenia punktu jest pierwiastkiem ze śbdu ,fi.= ~~93-0.012 1)-2 + 4·0.00062 =0.0073
macierzy kowariancji Cx_. Więc skoro jest już ona wyznaczona, to bezp o-
średnio obliczamy Następn i e obliczamy
276 277
.~''··. · ··
'
- dl a wartości prawdopodobieństwa i r=o.91odczytujem y 1'~"=-0.'>,,, 9.oo. więc :1 1':.ikie same wyniki uzyskamy lrnr7.ysbją c ze wzoru na błąd średni funkcji
I
a = m 0 ~2i. 1- I F;-:~-:; = l.O•!J2 ·O.O1 2 1- 1 · 9.00 = 40.0 (mml I
przy czy dla każdej , k-tej odległości zapiszemy l~ = ak- . Sprawdźmy, że
b =moJ2i,i 1 F7=0.9 =l.04h--tl0194-=! -9.()(j. = 3 1.6 ( rnm) n p . d la odległości d:; : a 3• = {-0.4297 - 0.9030). i rz e czywiście
-- dla wartości prawdopodobieństwa f]~ odczytujemy f~,~o. 95 = 19 OO, więc
a = 1110J2;~1~ 1 l·~·c'0.95 =1.01J 2. o.O l21 - 1 · i9.00 = 58.2 ( rnm) -1) B ł ąd ś redni azymutu linii Z - S,
Bl<\d średni nie mierzonego a~ymutu Azs, , po wyrównaniu, obliczymy
korzys tając z przywołan ego w poprzednim punkcie wzoru na błąd średni
funkcji. Ponieważ
Ys, -"Y·z
Azs, = a rctg -;--~---·····-~---·
• ...\ s2 -X z
!1Yz\'2
di = 10-3[ 0.0024]
-- t::. s.
~k ala e lipsy Wyzn ac z ając wai-tość interesującego
_ ~~?::'i_J_
ii
nas
- 0.0034
uzyskujemy
20 mm
- -- - 1>- r ~--- ·· - ~· -·-·- -· -··-·--·-
~
Ćov(r.t"1',f3"")
d, _
Pa.fJ = ---„·~--·-··-„. „„._ =·-·-- -111~ _
-=--== =-0.)
111111[."
a , ~ . 2m'f<
v2m'j; ?
l
1112 ., o
Zadanie t o rozwiążemy, wyznaczając na podstawie wyników pomiaru kie-
runków wartości kątów a, f3 QX.oh = [Q" Q:.µ ]=
O
1113
?
111:1
.,
fa"b = K!J.1' - K;'b
?
ct.'' 1' =47.4320g o 2mk -mk
skąd
lf1"b = K!jb - K?_b /3" 0 "" 32.7690g -mx 2mk
?
280 281
Na podstawie macierzy Q„„„ obliczamy macier7. wag (/.}
s.
l.56
0.44
rI
P = Q "" 1 =1 0- 2
x"I>
0.·14
0.69
(l')
s,
l 0.67
0.33
z o . ()
282 283
Estvmat or współczvnvi kl! wa ri a ncji
dl) - dl'" -219Tmm>
~ yTpy 5.4579
d~ -(i!/ -59 m(i = ~-- = - -- = 1.3645 (m 0 = l.17 )
11 - r 6-2
L=
df-d!/' 38
d? - d:;') 187
aO-Ctob 8! (Ce)
x= xo+d "'r,x1. ]
µo - f3"b -46
x
= [1 250.1 80]+[- o.19s] =[ 1249.9ss j
2409.860 0.!62 24 10.022 (m) lYz,
T
A PA=
r0.0617
.....
0.0462
0.0462]
0.061 7 (lmn) ··2
AT PL = 4.530J, l
- 0.983 (mrnfł
X= x 0
b +V=
d)b
d,'("
+
v.,
V4
255 .235
182.312
+
- 0.025
- 0.005
--
255.2 1o
182 .307
d3
d.1
aob Vu 47.4320 0.00 10 47.4330 ( g) ó
µ ob VfJ 32.7690 ·- 0.0021 32.7669 f3
~ T}>\
(t> i )
„ 1 _lC 37.0_7
--
-27.81]
- 27 .81 37.08 ( mm)i
Jl = 15 1.577 (m)
d2 =244.274
--·3.9 (mm) 1~1-
7.2 I v2 d1 = 255.2 10
- 24.7
V =Atlx +L = =
5.0
I 0.4 (ce)
J.1 =182.307
-20. 5
• [ Y' ~'} - Yz y .J,.l - Yz-" )
r
T 't
a = arctg ·····"·- ·--·-::--- - arctg „~„„„ o·~
„ „ „. „. „ .•• „ • • "' 47 .433 0i; V
a ::o: 47.433oi.: .Ys~ --Xz
s= yTpy =5.4579 l x·s, -Xz
284 285
,
I
()_<;cna drr_ls_!adnJb~.J.;i I
1) Błąd położenia punktu I
macierz kowariancji wyrównanych współrzędnych r
ir ~ - ~ 1
• ~ T -I 50.58
,~
9<l1'j =I
m-.
Xz
ćov ( X:.Yz )j
=
l COl'(Yz,-,~ z )
rl - .1 1.
C.v = m(i(A PA)
_, -37.94 s,
l. 50.59 fmm) Jll-
Yz
-----·---- 1
111,:_ = ,/50.58 =7.1 (mm)j
-'l ~ /Jlr>ulZ) ::: ,/m 2, ----~~/J ~· -- = 11. 7 ( 1r1m)
m}\ =/i0.59 = 7.1 (mml j ' . . V XZ )z
20 rnm
Rys. 5. 1. 18 . Elip s a u fno~ ci. Si eć o mierzonych odleg ł ośc i ac h i k ieru nkach (k;1tach )
2) Elipsa ufności dla Y= 0.90 (rys. 5.1.18)
- półosie
'.~) Błąd średni wyrównanej odl egłośc i 1/1
[ Px Pxr] = r·o.06 I7 0.0462J
Pz =A T PA= ,
l ,\T Py 1,_ 0.0462 0.0617 F.T = a 1• ::: (--0.99 10 0.1 336 ]
d1
r.--
J' i. 1 ""'
I
i (I\ + Py - ,JL\) = (LO l 54 4) Błąd średn i wyr ów nanego kąta ó:
l A-2 == i< Px + Py + f'i.) =O. I 079
Dla y= 0.90 i ; ; =f = n ·- r = 6 -- 2 =4 stopni swobody odczytujemy z tabeli V
F. _ 0 _90 = 4 .32. Zatem
1
287
286
- wektor poprawek
pierwotnie
(111111)
-2.S VI
9.4 v2 7.2
-22.5 V3 - 24.7
V-:: 5.0
-3 .6 V4
Q oh =
1 ') y'l"py
m(j-:= ···-······· == ---
11 - r
5.6766
6-2
-----· = 1.41 9 1 111J = l.3645
"
2m;
2111~
j (1110 =1.42)
- wyrównane współrzędne
(1110 = 1.17)
Przeprowadzając pon own e obliczenia, uzyskujemy: - macierz kowariancji wyrównanych wspólr1.ę dnych
288 289
- błędy średnie wyrównanych wspólrzt;dnych i błąd położenia punktu Z Mierząc odległości i kąty, uzyskano następujące wart.ości:
pierwotnie
11lv ::::7.3(mmJ)
dj'b = 1674.84 (rn)) a 0 ;, == 42°57'4 l' !
,, z I UL~ =: 7.1 cmm}) d~" = 1694.14 = 0.03 (m) 11"0 = 56°34' l 6'
f • 7. ~ llltf
111Yz :::: 7.8 (mml
~~ . 111.y. = 7. 1(m m )
7.
i
J
tt/' = 1367.63 /'I> = 62°51'27'
m 1,„(7. )::.:
FXz '-:. +m ";
>z
= l2.7 <rnm) mpo(7.) = l 1.7 { llllll) ,ob =45°55'38' J
.13.
.2!l
521l.36
3312.2'1
-
3855.85
•1'113.26
o
d2= Jo(X21 - X12 )
2 o 2
+ (Y21-Y22) = 1694.21(ml
1--- --·
22 2901.65
I 6168.88
21 - azymutów
L1
290 291
I
- kątów A
a o =Au.20 - Au.21
. o = 4 20 .:i-7'50K dx21 dr21
i i
[3° = A~0. 21 - A20. 13 + 360° = 56°33'54' vdij = - cos A;jo (X; . Aijn (i Y; T· cos r Iijo (I
i -Sm l J + S!ll rl "'." (o
· r I'1n (i I ij - (t ij""
~o "o
·- - - - - - - - - - - - - - ---- -
,l ~~>"
1
1,:
A ., = 180 + arctg-·····--·-· Y13 ) p = l 63,38'33'
Y20 - ··-·-·-·· _
13,_o X 20 - X::; ~ :/
- ·- - X 22 - X 20 )
-- dla kątów
Po tych wstępnych wyznaczeniach, należy ustalić równania poprawek do 21 (!,)
wyników pomiaru, a na tej podstawie - elementy macierzy A i L. Konkret-
ne postaci tych równań ustalimy korzystając z ogólnych równatl. poprawek,
adaptując je do poszczególnych szczegółowych sytuacji geometrycznych
vai,cp
i warunków zadania. Zatem:
- dla boków 13
(~l ~ł
/
A
D.
(i) 1'rf1 "'CDSI\o
13,2 1'i X 21 -rs
0 1
· -·m A l'.l.21 d Y ·r'" t1°l ~.2-J
21
~1"'1
292 293
dx21
o o ,o I
21
va1,cp
IJ.YCl
=(;/g~~ ;i P d{
~o
1. -
/JX Cl
-~J2:;_</ P (> -(·;;g-;)i.
~o
6) Cl' -
P d X 1· +
dy, I
j- - (~12-~~;2- rdr
ii,~ 2:r f .( M2r M21, i
JJ.
( C)
+ (~ig~;2 p dy/' -~ l (;Jg;;· c+
.:>J! ~o
(_l)
Sill
. Ao13,2 1
. Jou
- sin/ 2 2
. Jo (bez 1niana.)
sin / 20,21 -O.SIO 0 .860
-
,u~.2 1
_ _ __ _ „ „ _ __ (! 0.857 - 0.51 5
(d~i 0 .764 0.645
A= L\X~o.2 1 • 105.921 62.838
----- e -97 .351 11 5.169
(df)2 .
L\);'() 97.351 -l 15. 17
20,2 1 •
V
o
= -l~-·-Y20.2 1 •
„-·--- p d '(
o
- _AX „„._
20.21 •
- ·- p tf y
. •o
T )'
·-·-]
-
.f ""
~ ·- · -- ·--- - --- ~ ---- ·----· - r)
( d~ )2 ~ 62.708 104.35SJ
(r/g)2 -
295
294
(m) ~~_rawelLL_LęlluLkoJJJro li
d10 -dl" - 0.04
do2 - (.2
1ob 0.07
df-d]b 0. 16
0.010 (m)
f v:11
I •
L :: ao -aob 9
- 0.037 I Vd~
8.3
lI v_,."
I
- 9.3 l V
'
o
s=VrPV=8.4254 t s=s ·
111 1
~· ::l/PAd\' + I.}.PL =-4 1.7726 + 50.1979=8.4254J pozy1~wny
· ' wynik kontroli
1111
1111
P= o.01s6 n-2
0.0 156
0.0156 ? y"f PV 8.4254 .
O.O 156 j 1110 = · - - - =-··-·- = 1.68 ( m0 = 1.3)
11-r 7- 2
= ['~211
1
•
<lx =-(A 7· PA)- J A 7· PL = [-0 . 139] = [d":(
-0.024 (m)
: '.'.>
dy2 1
l i= x"" +v =
1367.630(m)
42"57'40'.0 +
56°34'16' .0
0.038
- 7.3
-1 1.3
n=
1367.668(m)
44"57'32'.7
56°34'04'.7
d3
.
"
{J
62°51'21'.o 8.3 62°51'35' .3
45•55'3&'.o -9.3 45°55'28'.7
296 297
futap lumt.rol.i 2) Elipsa ufno ści dla Y= 0.90 (rys. :":i.1.20)
n a podstawie popra\vek na podsta·w\e wyrównanych współrzędnych
P.n · ·1 =l-2286.5l16 -574.31901
ciI ::: 16 74.85 (i:i"l <i 1 = J( .Y ~I - ~\' 13)~ +(l~~-=- )'13) 2
= 1674.85 (mi v P;' J1 - 574 .31 90 2225.0756 1
- pó łosie
Pr ) - +4Pfr :: 1150.2799
/J = 56°34'05'
l )~
fi = ( arc1g -."J!_:::: y l' l'l
...JQ... - arctg -··-1}„:_-:_: __ :Z\l . {J = 56' 34'05'
X,- 1 - X'<l
„
.·'<13 - X20 ) !
v a = mo /zJ.:1 Fy=0.90. = 0.09 <.m.l
1
,
= 62 ) 1 3:> v
; ::: 62°5 1'35' ~ V X '~
• '
\.
: '' 7 - 2- '
\'
..
7
0 -
V
-
' I - " "'0 j'
2Pxr J)Q =--4.>~ · 47,
. r· f„, -- r„ Y20 -- r,2 4 „-. ·5'?9'
r = arctg ···:;·"-- -"-''-- -arctg - .-- ··„·-=--- Je = :> :>. -
I v
<p =
l
-I arctg
2
„ .• ----···
Px - ? 1,
i = 45•55'29' \
X, 1 - X„„
O# - J.
,\ 20 - X'..!2
• „
C·. =m-(A PA
T '"I
=
10.00079 0.()()()2(Jjl
:::
X o. ) .._.
0.00020 O.G008 I (m)·.i
21
= Jó.ooosl = o.03 lml
1
-» 111
po -
('l)=
R. t
7
+ m·:
Y~1
=0.04 cm)
Rys. 5.1.20. Eli ps:•
f.Q
u rn ości i bląd poloicnia punktu
299
298
4) Błąd średni wyrównanej odległości <i3
Bi orąc pod uwagę, że
s, l X(m) I }'(m)
- -r-------- 2389.750
s, i 1-100.200
I
uzyskujemy
·---=moJ" · - -·· s s, i 1450.080
l
I
I
2550.150
m·1
l J
fi T
cf:~
T
= 1110 F .(A PA )- F- l
I 1:t
a 1.(A
•
T
PA)- a 1'· .=0.03 <ml
I
1
•
I
S, l
!
1359.880 i
j
2640.361)
~~1+
(Is . atJ„.. Rys. 5 . 1.21
= ux 21 =
ax 21 T T
F-'
Js aa = a .1. + a5. = Rozwiązanie
_aJL.
_ćlY11 ai\,
...........,__. aii21 Przed przystąpieniem do wyrównania, us talmy liczbę obserwacji koniecz-
nych oraz sprawdźmy, czy istnieją obserwacje nadliczbowe. Do jednoznacz-
T
:1.i. ---------
T
•15. nego ustalenia współrzędnych punktów Z 1 i Z2 są konieczne 4 obserwacje
!05.92 IJ r- 97 .35 IJ [ 8.570J (r = 4). Zwracaliśmy już wcześniej uwagę, że w klasycznych sieciach geode-
=[ 62.838 + 115. 169 = 178.007 zyjnych liczba obserwacji koniecznych jest równa liczbie wyznaczanych
współrzędnych, a więc istotnie r '" 2 pun/dy · 2 wspólrzęd11e = 4 . Ponieważ wy-
a następn i e
konano n= 8 pomiarów, więc są/~·' 11 -· r "' 4 obserwacje nadliczbowe. Przyjmu-
jąc za para metry, znane na poziomic przybliżonym, współrzędne punktów
z i z , można sformułować następujqcy liniowy układ równar1 poprawek:
1 2
300 301
Korzy staj ącze ws półrzędnych punktów stałych oraz wsp ółrzę dnych przy-
bl iżonych punktów Z1 i Z2 uzyskuje si ę n as tępujące priyb!iżone wartości od-
ległoś ci oraz kąta :
o = ..,..:.)).-
1
d~) = 15 l.362 (m). d~ = 24,t2 ! 6 ( m). l JJ
- - „..,~
, .l (mJ. d,? = 269. 178 (m)
I
I
mj"' 25
i 100
dy., rlx zz
'·I
l r. Ir D.\'o
-sin i
1'
Z 2Z1
Mo
z,z, )i
j r
-74990.3 -12 108.6
53229.3 6391.3 - 79037.6
129733.2 - 79037.6 • 15346.7 I
62407.S j - 10262.4J
~yo
ZiZ1
„---~----p.
(d~/
!' -
c.xo
,_„.„„"--·- p ,.
(d~)2
( o
1
o
z,z, " I! L\Yz_,,51 uYz_, z· I
«ig)2'„ - -·zd~·;·- 1r ·
, Zi S1
l·- -(:i?,; 2 + -'(~1~·;2··- r; o o (), 239.34 42.62 - 3 13.27 222.37 ·- 32.:n·1
\ J
r JJ9.4
42.6 70.6 o ol o 70.65 17.6 1 - 43.69 - 1. 16
- -313.3 17.6 176.9
oj o o 176.87 -4 8.66 29.56
-0.99 1l 0.1329 o o r l / 1o -<IJ"b - 0.2 19l (m) 222.4 - 43.7 - 48.7 93.2 o o o 93.19 -1 8.00
303
302
Wvrów~_nqłrzędne punktpw i wyrównane wvniki pomiam
V= Adx +L =
- 0.0101 v.1
·-
- 0.0082 v5 d2 = 244.303
0.0039 \i6
0.0 109 V7
-0.00049 (g) va
tl4 = 269.398
s= „vr rv =5.0232 1
T - 'f _ } s = s' cl5 = 233.502
s· =L PAd x + L PL = -2246.6734 + 2251.6966 = :i.0232 j pozy1ywny
wynik kontroli
d6 = 148.659
~'ltor współczynnika wariancji
304 305
Ą l
~~~~L
(
•
Az,\· 1
1
=! arctg~--·-
Y,,. -Yz 2 I
1p& =21.9056g ~3_7:t
••· · I - • I
I Xs1. - X z,- ) dXz1 ClXz1
\
axzi.. ~ij:]_
( - - arz <dz· I
=[~]
-Y- ]'y
l
~ ~ -!
F·y, ::::
A.
,
z n '
= larctg ---.------;;··"··- P" = _, 10.4976;; - =
F X2
7.2 -1 - V
' '7.1 -
~-------------'
-- ~
l
R-,.F11 = F"' F,.,.
~~~:·- 1
ClYz, I kladcm
J,~; · 1
·I
I
<>x z· I ()-~~!. o-·
F·X1 =
ilYz1
-~x.-~- Lo
ax z2
~r~1 F·Y1 =
arz
_a_?!:L.
(),°( 7.2
·I
I
o
o
(),~ 7.1
l~-y;~- I~-~'-
L dY7.2
306 307
Wówczas - elipsa ufności dla punktu Z 1
![ o o
• J[I
o o o Px Pxy] = [5730 1.3 I0203. IJ
l
*
2394
42.6 70.6 o o ~ „ * * o o o 03441
0.057
p -
Z1 - [ p
.n- Py I 0203. I 6808.3
.
---------------·
-3 13.3 17.6 176.9 o * * ~ * o o o - 0.344
222.4 -43.7 - 48.7 93.2 „ . * * „ o o () - 0.057 J
• półosie
=O.O li.
n astępn ie
a
błędy średnie wyrównanych współ rz ędny ch i błędy położenia punktów
b = m0 {2X5_1F7..,0 _90 =O.O 14 (ml
• k i.\t skręcenia
111 .,; = 111 0 ·0.0ll =0.0 13(111)1
"Z1
m .;.
·' 7.2
=mo · 0.006 =0.007 (m)l - elipsa u fności dla punktu Z2
}=r
10203. I · - 74990.3 [ ~ = ~ ( Px +Py +E)= l 81978.2
5322931
= [~7.Z2.Z1
1 Pz1.z2 573013
I020 3.1 _ 6808.3 - 12 108.6 6391.3
ATPA
Pz 2 - 74990.3 - 12 108.6 . 129733.2 - 79037.6
53229.3 6391.3 • - 79037.6 62407 .8
308 309
-~1 ~/~(X1,X,2„ .. ,X,) .l
.x2 - 1 2 (X 1, X 2 •.. „X ,)
X = F (X)
s, przy czym, tak jak dotąd,/"' 11 - · r jest liczbą obserwacji nadliczbowych. Nale-
ży zatem utworzyć tyle równań 'l';(x1.x'.!,„.,x„) ::: O, i=-1.2„ .. .f, nazywanych
równaniami warunk owymi, ile obserwacji nadlicibowych występuje
w wyrównywanej sieci. Przykłady układów równań warunkowych dla kilku
s kala eli ps~· typowych sieci geodezyjnych przedstawiono na rys. 5.2.1
:!O(mm) Liczbę obserwacji nadliczbowych ustalaliśmy już wcześniej, prowadząc
wyrównania metodą parametryczną Za u ważmy jednak, że argumentami
Ry~. 5.l.22. Elipsy ufności r<iwna1\ warunkowych są nieza leżne od układu współrzędnych wielkości
mierzone. Metoda war unkowa może więc być stosowana także do sieci ni c
zawierających pun któw stałych. Na rys. 5.2. l są to sieci a), c), d ).
Gdy sieci geodezyjne są bardziej złożone, usta len ie liczby obserwacji
5.2. Metoda warunkowa nadliczbowych f = 11 ·- r, a tym samym i lic:t.by koniecznych równań warunko-
wych, jest dosyć trudne. Mówiliśmy także, że w sieci ach geodezyjnych wiel-
5.2.1. Założenia kość r jest równa liczbie nieznanych wsp ółrzędnych punktów. J cś l i t o zało
żenie pozostawimy w mocy, to w przypadku sieci swobod nych stosowany
Inny sposób realizacji metody najmniejszych kwadratów, w zastosowaniu dot<\cl wzór określający liczbę obserwacji na dliczbowych n ic jest prawidłowy.
do wyrównania sieci geodezyjnych, polega na bezpośrednim wykorzystaniu Może się bowiem okazać, tak jak np. w sieci przedstawionej na rys. 5.2.la,
związków zachodzących w tej sieci między wielkościami podlegającymi po- że f jest równe zeru, czy może być nawet liczbą ujemną (sieci na rys. ;).2.lc, cl).
miarowi. W trójkącie o mierzonych trzech kątach ap <Xi• ~ taki związek We wszystkich pr zytoczonych tutaj prnykładach istnieją jednak obserwacje
można przedstawić w postaci równania
nadliczbowe (w pierwszym - jedna, w d rugim - trzy, w frzecirn - dwie),
i ty le też można utworzyć niezależnych równań warunkowych. W omawia-
nej sytuacji prawidłową liczbę obserwacji nadliczbowych można ustalić na
podstawie wzoru
W metodzie parametrycznej wi elkości podlegające pomiarowi były wyra- f -= 11 - r+ d (5.2.2)
żane w funkcji pewnych parametrów, np. współrzędnych nowo wyznacza-
nych punktów sieci, czyli ogólnie gdzie d jest liczbą określającą defekt sieci geodezyjnej.
3 11
310
a) b) Powracajqc do liczby obserwacji nadliczbowych , należy sobie uświadomić
"· /~~ (o c-.iym już mówiliśmy wcześniej) , że ~est to_ rÓ\~nież_ liczb_a stopni swo~o~y
ukiadu obserwacyjnego. Zatem, istotme, w h czb1e teJ powmny zaw1erac się
li,
h,
L.. takie doda tkowe stopnie swobody wyrażone całkowitym defektem sieci
(wzór (5.2.2))_
"· I\ .,;,, ,,,, + li~ -11,, ~ul
Defekt elementarnych sieci geodezyjnych
])efekt całkow i ty jest s umq obu ww. defektów rodzajowych, czyli
;,,, -1t, -1i, ~ o J
d) d = d ~ +d"' (5.2.3)
c)
~
l "//L\ ~
21
u 1 •· U s HI 1 - 200' •c O]
...t
„„ )
4 d, "' 3
1i
1
H:t 1 i"a-ł ~ 200 g: .·oO} d, " ) T
H.ił "'~o j
e)
<.r.s -ci 6
tl ~ d: + d,,., ~ 4
~~
d„ ~ I
Ld
d = d, "'~"'J
d ,. =o
r --:. 3· 2:.:: 6
r ~ 3·2 = 6
f "· 11- r +d ,, I
f=n- rc.d ~ I
~
czać względem siebie (wówczas niekiedy mówimy, w ujęciu rela tywnym ,
o wewnętrznych sto pniach swobody, n p. W1śNIEWSKI 2002). Z geodezyjnego
punku widzenia, defekt wewnętrzny dw możn a utożsamiać z liczbą brakuj ą (.\1-/---'
cych obserwacji n iezbędnych do uzyskania wyznaczalności wzajemnego poło d =d, +dw=O cl = d,+clw=O
żenia punktów sieci (GMYHEK i in., PnóSZVŃSl<l 1990, rozdz. 7). Podobnie, r '" ' ·i+ L-~3 r = ł·2=2
defekt zewnętrz ny, to liczba obserwacji koniecznych do lokalizacji sieci (X) f"' 11 -r+d = 2
w u kładzie współrzędnych. Sieci geodezyjne o niezerowym defekcie ze- [ =11-r+d=ł
wnętrmym n azywamy sieciami swobodnymi.
Rys. 5.2.2. Defekt w elementarnych sieciach geodezyjnych
312 313
Konstn1kcja geometryczna o niezerowym defekcie zewnętrznym jest -- co często prowadzi do istotnego, gcomehycznego rnzw ini ęci a tej sieci (m ogą
z geodezyjnego punktu widzenid - ko n strukcją poprawną, a w zasadzie (do tutaj występować nie tylko dodatkowe obserwacje nawiązujące, lecz także
nied::iwna) jedyną możliwą do bezpo ś redniego uzyskania (jeś li w sieci nie dodatkowe punkty). Zewnętrzny defekt można także eliminować (jeśli do-
ma tzw. pun któw adoptowanych, czyli punktów o znan ych współrzędnych puszczają to odpowie~nie in strukcj.e techniczne) pr zez defini~w?nie lo~alne
w interes ujący m nas ukiadzie). Defekt sieci geodezyjnej jest w praktyce go dla sieci swobodnej układu wspolrzę?nycl~ (np. pr:i;ez pr7:YJęc1e_ wspolr7:ęd
el iminowany przez jej n awi ązywani e do punkt.ów o znanych wspó łr z~dnych, nvch jednego punktu i azymutu ktorcgos z bokow). Natom iast defekt
,;ew nętrzny należy, jeśli nie jest świadomie wprowadzany, utożsamiać z błę
dem w konstrukcji sieci geodezyjnej.
W celu il ustracji defek t u elemen tarnych sieci geodezyj nych przyjmijmy,
~r( ~
"'ł
~!
d. =l d- ~-: o że w trójkącie, w różnych wari antach, SD, mierzone k<1ty, boki i azymut.
&"·'
d,.. „ o 5.2.2. Zad anie wyrównawcze i jego
G7i~. ) Może się zdarzyć, że równania 'l';(x) = '11;(x 0 h + V) nie są liniowe. W celu
zachowania ogólności, rozwi11my więc funkcję
···... o
o o ~
'l'(x) ='ł'(x"" + V)
t \____., w szereg Taylora w otoczeniu V punktu x"h. Szereg ten, ograniczony do
------:J ~3 pierwszych wyrazów (liniowych), ma postać
r/ ~ 11, +d •. ~ 6 tl „ ,J, ul„. :- 6
„ „4. 2 ~ s I o'l'(x)I (5.2.5)
r = 4· ~-- 8 'P(x) = 'l'(x"" + V) = 'l'(x" ' ) + ··· --- V
J = 11-·r+r/ o: O iJx lx=x"''
315
Po wprowadzeniu oznaczeń Odpowiadającą takiej sytuacji funkcj ę celu zadania wyr ównawczego zapi-
·szemy jako
~.IJ.~ x) ~!L~~ T
min { ~(V) = V l'V =V J>V
} 'T •
(5.2.7)
dX2 dX11 V~ <t>
~-~~(X) i.l'P; (x) Problem optymalizacyjny (5.2.7), z ogran iczeniami, można zas tąpil: in -
··-":..--..--
i.lx2 dx11 = JJ równoważnym problemem , .)>ez takich jednak ograniczeń . W tym celu,
v rowadzaj<w przypm-ządk ow ane kaz·de mu z rownan
nym, · · war un k. owych m nożni -
.~'.~r_( X~ ~~'~L~~ ~tLagrange' a , nazywane także korela t a mi, pierwotm1 funkcję celu pos~er".a
<h2 dx11 x.~ x"h się 0 składnik reprezentujący zbiór rozwiqzań dopuszczalnych. UzyskuJe su~
w ten sposób wtórną fu nk cję cel u (fun kcję Lagrangc'a) o postaci
Wykazano (np. FINDEISE N i in. 1980), że warun ~rnmi. kot~iec_znyn:i .na ist~
spełnia tylko wektor V= O
(dla macierzy wag P ;t: O). Ta kie rozwiązanie nienie m inimum pie rwotnej funkcji ce lu :t. ogra mcze niarm rownosc10wym1
układu równań warunkowych (5.2.6) jest natomias t prawdziwe tylko wtedy, jes t to, aby (warunki konieczne Kuhna-'I'ucker a)
gdy .Ó. = o.
W metodzie warunkowej problem optymalizacyjny
i) ?s~r~'lj' =o
min{~(V) = yT PV }=y"l'py iJV y ,,V,K=K
V
jest w is toci e problemem z ograniczenia mi, tzn. należy wyznaczyć takie V, ii) KT (llV + ó ) =o
które z jednej strony minimalizuje funkcję celu ~ (V), z drugiej zaś spełnia Pierwotna funkcj a celu ś(V) = V T PV jest d la dodatnio określonej macie -
także równania warunkowe BV + .ó. =O (ograniczenia), i to nie tyłko wtedy,
rzy wag p funkcją wyp u kłą (o czym ju ż m ówili ś m y w r ozdz. 3.2 i :). 1). Je śl i
gdy .ó. = O. Rozwiązanie V musi zatem na leżeć do zbioru rozwiązac1 dopusz- więc y spełnia warunki kon iec<me, to spełnia także warunki wystarczające
czalnych o pos taci
minimum funk cji celu ś( V).
316
\Vyznaczaj:\c pochodni~
ćlv
(BV+i\)= ..,... ·-„„
() T T ()
metoda nieozn aczona metoda oznaczona
= ······- V PV - 2 K .. . mv +
av av · · ·=
1\)
K:,,, -(BI,- 1Br i-·I ,\
. '
=2VTP-2KrB
skąd l(
a następnie korzystając z warunku koniecznego ii
Korzystając z rozwiązania nieoznaczonego
rlę~:(Yl' =o (5.2.1:3 )
av 'v ~v."""'>(
estymator wektora pop rawek można przeds tnw i ć w postaci
uzyskujemy równanie
(5.2.14)
(5.2.10)
Rozwi ązanie (5.2.14) ma ta kże odniesie nie (podobnie jak rozwiązani e
skąd 1AT PL= -A~p)L w metodzie parametrycznej ) do omawi an ej
J X "'-(AT PA)
w rozdz. 1. 4 t eorii uogólnionych odwrotno~ci macie rzy. W tym kontekście
r ozwi ą zanie
(5.2. 11)
( BV+A = O
i
ł ·,,
\ V= P "' 1 Bri< ) - /
otrzymujemy
(5.2.12)
Kontrola wyników wyrównania
Kontrola po wyrów nan iu metodą wa runkową składa się także z dwu eta-
l ł ac! rownan > K + 1.\ =o, to v· =p-lnT· pów. E t a p r polega na sprawdzeniu, czy j es t spełniona równość
, , 1>1r· 11, T ·
,Jes'l'1 K• rozw1qzuJC
· · ut > K ·
nie
tylko minimalizuje pierwotną funkcję celu ~ (V)= VTPV, lecz także spełnia
s =s'
ukł a d równań warunkowych BV +A = O (ograniczenia w problemie optyma-
przy czym
lizacyjnym (5.2.7)).
Poniewnż (B E 9\f ·") oc~ (BP- 1B TE 9\! .f) oraz K, A E 9\f.I, więc ukła d rów-
nań (5.2.12) jest układem równań normalnych (tyle jest wyznaczanych ko- natomiast (5.2.15)
„.
relat K 1, 1<2 •. Kr, ile występuje w tym układzie równań). . _Jeśli macie rz
np- igr nie jest m a.:ie rz<\ osobliwą, czyli jeśli R(BP- B ) = f. a stąd
1 1
319
318
W II etapie kontroli należy sprawdzić, czy wyrównane wyniki pomiaiu Biorąc jednak pod uwagę, że
Ocena dokładności p<> wyrównaniu metodą warunkową obejmuje zazwy- Macierz kowariancji korelat 1(
czaj wyznaczenie błędów średnich wyrównanych obserwacji oraz błędów
Po nieważ
ś rednich ich funkcji. Wyprow adzenia tych wi elkośc i poprzedzimy jednak
ustalenie m m a cierzy kowariancji wyrazów wolnych, m acierzy kowariancji K ::: - (BP- 1H.,.)"' 16
korelat oraz macierzy kowm·iancji estymat ora poprawek. Macierze te b ędą ------·-·...J
o
stanowiły podstawę do dalszych , szczególnie nas tutaj interes ujących, analiz.
oraz
Macierz kowariancji wyrazów wolnych ó
Przypomnijmy, że wiec
Ch- = DC ,\ DT ::: a,~(BP - 1 B r ) - I BP - 1B T(Hp-· l13 T )'" 1 =
Jeśli zatem ex„„ o modelu - „-----------" (5.2.17)
11
C
X
uh =<Yo?Q ,,„ =ao? p - 1
;'(
gdzie oraz
()'1'1 (x"b)
to
-, ob
ux, ();r:!]_I' dx~b
(5.2.18)
d'l'2 (x"1') a2 '1' (x"b) CJ'l'2 (x"b)
axrb <Jxflb a.r::' Taki sam wynik uzyskamy, biorąc pod uwagę, że
ax::b o
oraz
320 321
Wówczas lub
(5.2.20)
C,;, ;:: DC ,~ D r = crf,r-· 1B r (BP - 1n T)- 1np- 1n T (ln>- IB 1')-1 BP -I =:
.____.------...----..
li "d zie E: =-V jest wektorem bł ędciw pomiaru o macierzy kowarian cji
CE = Cv = Cxoh-
Przypomnij my: w rozdz. 5.1 ~vykaza no, że
Macierz kowariancji wyrównanych obserwacji x V = MV =-Mi:
'W yrówna ne obser wacje są wyznaczane na podstawie za leżności
gdzie M = I„ - A(A T PA )- I AT P.
x= x"1' + v Macierz
którą po pods tawieni u
\; = - p ·- IBT( BP-· l3T f- IA
można także zapisać w postaci wykazuje podobne własności jak związana z metod ą par ametryczna, macierz
M, w tym m.in.:
(5.2. 19) 1) MllMlJ =M/J
Mogłoby si ę wydawać, że
na podst awie powyższej zależności , znając ma- - 1 T - I T
2) M 8 P M n= P I\'1 11
cierze kowariancji wektorów x 0 h, 6 , można btwo wyzn aczyć macierz kowa-
riancji wyrówn anych obserwacji C x. Przy takim podej ści u u zys kuje s ię Na podstawie zależności (5.2.20 ), stosując zasadę propagacji macie rzy ko-
wariancji, można już w prosty sposób ustalić macierz kowariancji wyrówna-
ex =Cx„b ·f· DC,\D = aJ r- 1 +P- 1B.,.(BP- 1BT ) - 1<J6BP "" 1BT(l3P- IBTr · 1up- 1 = nych wyników pomiaru. Zatem podstawiając D = M/J oraz przyjmując model
-~-.....---------"~-------~------------
{) c ,, l>r X
„„
c[ "' c =aJr- 1• uzyskujemy
322
Macierz ta ma następuj ąc:.1 strukturę: Przykłady
t~ov(.1: , .!:„ )
1 Przyklad 5.2.1
Ćov(i2 • .in) Stosując metodę warunkow<\, wyrównać s i e ć niwelacyjną przedstawioną
na rys. 5.2.4. Obliczyć błędy ś redni e wyrównanych przewyższeń i wyrów na -
nych wysokości punktów Z 1, Z~.
cov(.\-„ ' .t 2)
z,
Błędy średnic funkcji wyrównanych obserwacji x
wyniki pomiaru b!c;dy średn ie
Niech (rn) i (m )
będzie dowo lną, lecz mając :.1 pierwsze pochodne, funkcją wyrównanych ob-
serwacji. Wcześniej ustaliliśmy, że macierz kowariancji wektora wyrówna-
nych obserwacji x ma postać z,
·:;:: ::: - -E:~:~;-
/J ~łb :-:-: .3 .23 I
-
llyi;. 5 .2.-1
Rozwiąz a nie
N ic zate m nic s toi na przes zkodzie, aby korzystając z zasady propagacji
Pon ieważ n ~ 3, r "" 2 (dwa punkty o nieznanych wysokościach ) oraz j es t
macierzy kowariancji, wyznaczyć kwadrat błędu ś redn iego fu nkcji '1' 0 ,(x):
„
to sieć bez defektu (d = O), więc f = n - + d = I (w sie ci występuje jedna obser-
wacja nadliczbowa). Należy zatem utworzyć jedno równanie warunkowe.
T
111,2„ ""Cw
' -
= DwC:<Dw = R6wnanie to wynika z warunku „zamknięcia ot~tka niwelacyj nego" i ma postać
= m{; F;~· [P-·I - p - I 13T {13P-·I IlT ) - I BP- 1jF"' = (5.2.2:3) 'l'(x) = O:
1
::: Ili[~ [F~· p- 1~„ - F/,; p - I Br (BP- nr
1 ) - ! 1w- 1F(V I
Podstawiając Ir; "'hi°/J + v;. uzyskujemy
gdzie
1
ł'(x'1b +V) = O: 1r 1"" + v1 + J12"b + v2 - (I13ob + v3 ) = (J
~-·~".!(~~
()_il ską d ,
po elementarnych przekształceniach, bezpośrednio uzyskuje się linio-
we równanie warunkowe o postaci:
~\~~.<5)
IJ.rz
lJV+A == O :
~~~~~-~
(J.Tll
Na podstawie tego równania oraz znanych błędów średnich wyników po-
oraz miaru, zes tawiamy następujące macierze:
. 324
;~25
Dalej oblicz:imy )':!L'!fierz kowariancji wyrównanych wyników pomiaru
IlP- IBT =0.0006 (m)2 . 2 s 6 ~
m 0 == -:- = -? =.:i (estymator współczynnika wariancji)
J -
K = - (BP-IBT )-I i\ = - 1666.67 ·0.06 = - 100.0(rn) „1
oraz C;.;:: mJ [P"" 1 - ; 1 7
- 1Br {BP- B f 1BJ,- 1] =
l[I l
0.00025 - 0.00005 0.00020]
l
lr-0.0 11
I (-100}= - O.Ol = - 0.00005 0.00025 0.00020
[
4 J!-
.
1 004
. .>(rn) 0.00020 0.00020 0.00040 (nl)2
skąd
Realizując I etap kontroli, uzyskujemy
ni,;. Jrc:;. 11.1 :::: Jo.00025 0.016
= := (111)
ł .i· = s·
1
=V7' PV =6
.1·
T
s· = -i< ,\ =-{- IOO.O· 0.006) =6 m Jr ci '2.:! "°" J0.00025 = o.o l 6 <m>
1; :::
2
Wyrówą~ill.Llvyniki nnm!_.·~J:!!
!3kdY średnic wvrównn_ny_!_:_b wysoko ści
1; 1 =hi'1i +v1 =1.24-0.01 = i.23 (111) Wysokoś ci punktów 2 1, Z2 nale ży wyrazić w funkcji wyrównanych obserwacji,
x "~ x"b +V: 1; 2 = 112 ' + v2 =2.05 -·O.Ol = 2.04
1
a więc w n aszym zadaniu, w funkcji wyrównanych przewyższeń /~ 1 . iz 2 ,1~3 ,
/;3 =1i3" + v:1 =3.23+0.04 = 3.27 czyli
i1z1 = HR +1;1
1.Lr-J.11p_kontrill.i (wyrównane wyniki pomiaru muszą spełniać równanie wa-
runkowe) Il 1,2 = HR + /~1
Następnie po ustaleniu, że
:326 327
2
111 • = mJ[Ff P- 1F? -Ff P - IBT (BP - IBT )- 1BP- 1F2 l = 0.00040 ( mJ 2
Fi z ~
m ·
llz2
=0.020 (m) . . I1, be zposre
. d mo
. uzys k Ujemy
.
ora z podsta wJaF\C =J1;ob + v; ,
Przykład 5.2.2 'i
{1'j_IJ + 1'2 -(Ji:;b + V4 ) + fisb + V5 = (}
Stosując metodę warunkową, wyrównać sieć niwelacyjną z przykładu 5.1. l. \ ->
Obliczyć błąd średni wyrównanego przewyższenia /~.1 oraz błąd średni wy- hi'" + " 1 + MJ." + vz - (fi!/' + v3) +HR, - fi R1 =oj
równanej wysokości punktu 2 3 .
Rozwi<\zan ie
Również i ta sieć (przez repery R I> R2 ), jest dowiązana do układu wsp ół
rzędnych (układu wysokości ff), stąd d. ~ O. Nic zawiera również defektu
wewnętrznego, czyli d.., ' O. Zatem d "' d: ~;. dw ~O. Pona dto , skoro 11 '" 5 i r ~·' ~ ·
0
328 32H
T et:rn kont.roJl filarL~redni wvrówn:rnej wvsokości. punktu z3
W celu wyznaczenia tej wielkości, wysokość H ZJ wyrazimy w funkcji
.\' = VT PV
-T
=1.9281r s = s' (pozytywny wynik I etapu kontroli) wyrówna nych obserwacji ( możliwe są także i inne drogi, które i tak prowa-
s· = -K 1\ = l.928j dzą do t akiej samej wartości bł ęd u ś r e dniego), np.:
Wówczas
2.3711 f 0.0 121
·l.768 I 1 ·- 0.0031 4.765 ()ff z•.I oHz..•.
__ __ ari 21 dl-i Z· ]
---::2- =[ I O O O - I]
- S.154 a1;4
-:„~,~~ +l···~:~:~j = 2.976J
()/;:_ ()/;3 a1r5
111 1. = 0 .020(m)
1 Z3
Przykład . 5 . 2. 3
4.765-2.976·- 1.789 = () V
Wyr ównać metodą warunkow<\ ką ty w strukturze pomiarowej przedst a -
2.383+ 4.765+8.154+ l00. l27 - l l5.430 "' -0.00 1 V wion ej na rys. 5.2.6.
Ro z wią za ni e
skąd, m.i n. Łatwo można zauważyć, że w przedstawionej geodezyjnej strukturze po-
miarowej są dwie obserwacj e nadliczbowe, co można j ednak także ustalić,
analizując tę strnkturę jako sieć geodezyjną związaną z układem współrzęd
nych (X, Y). Wówczas, korzystając z rozpoznania liczby stopni swobody
Należy zauważyć, że m~yskana macierz kowariancji wyrównanych obserwacj i względem osi układu ( przesunięcia całej struktury względem osi X i wzglę
jest taka sama jak odpowiadająca j ej macierz C;. "'mJA(AT PA)- 1A T wyzna - dem osi Y oraz jej obrót), ustalamy, że defekt zew n ętrzny (lokalizacyjny) ma
czana w przyk ładzie 5.1.L Rezultaty wyr6wnania obiema om awianymi wartość d= '"""' 3. Natomiast defekt wewnętrzny wynika z braku ustalonego
w tym rozdziale metodami, w tym także rezu lta ty oceny dokładności , są w i ęc wzajemn ego położenia punktów sieci (wskazane na rys. 5.2. 7 punkty mogą
t a kie same. przemieszczać się wzdłuż ramion). Mówiąc inaczej, do jednoznacznego usta-
330 331
lenia wzajemnego położeniapunktów brakuje trzech obserwacji (np. odle- Na podstawie wartości błędów średnich pomiaru kątów, wyznaczamy ma-
głości ). Taką też wartość ma defekt wewnętrzny, czyli dw = J. Defekt całko cierz wag, a w zasadzie interesującą nas w obliczeniach jej odwrotność p- I
wity sieci jes t •....-ięc równy d =d: + dw "' 6 (rys. 5.2.7).
400
400
X
IOO (ce}
Następnie, obliczając
·r
(lH'- I B )-1 = [ 0.0020 4 -O.OO I :52]
BP- I B T = [1 200 800] ,
800 900 - 0.00182 0.00273
-- 11.8]
K =- ( BP- 1B1. )- I "' = 00.036
[- .066] . •
V=P
-I
u
T•
K =
- 11.8
-26.4
'--~~~~~~~_. y
Ry$ . 5.2.7
r
- -3.6 Ccc)
I et ap kontroli
W sieci występuj<\ cztery punkty o nieznanych współr zęd nych (X, Y). Za-
• T Pv•. =2.:i- 6s l,
tem r "" 4·2 '" 8. Skoro d "" 6, więc rzeczywiście s,,,v
skąd
~I +~2 +~3 - 400~ = ()} <=>
a 1+a2 -a4 = O
l~ -~l
332
Przykład 5.2.4 Dwa równania warunkowe wynik ają ze związków między k:\tami w trój-
W trójkącie zmierzono dwa boki i cztery kąty (rys. 5.2.8). Wyrównać kącie,czyli
wyniki pomiaru metodą warunkową oraz obl i c zyć błąd średni niemier zone-
go boku d3 (po wyrównaniu). a 1+a2 +a3 -200g =Ol
., I
a 1 +a 4 - 4Q<)t·= O J
wyniki pomi01rn hi<;dy srcdnic wyników Trzecie równanie, wiążące także i bok.i t rójk:-ita , wyprowadzimy korzy-
pumian1
!!;'~'.;.:, 50 1 0()' .t S<C
scaji\c z twierdzenia sinusów
f:;-' ,: ·H<t S()'"H:>'< d 1 sin a ..,
(I~"~ ;~ 10 1t .;9' 15•c: --- ·---···"· == I
d 2 si na3
a na tej podstawie
d;"'' ... ~;l\0 _ 57.s m d 1 s ina..,
d:;t> ·.~ :?62.754 rn 'I' (x) =O: ........ ········---"'· - I = O C')
d 2 sina3
r l
~·
'~~
d,~ 3
gdzie
~~.~~:~ =()
d.·-o Cla 1
<l'l'( x) d cosa.., cosa? sina,
·-··· · ·····-·-"- = -dd 1·· ··-·--·=-
---·· ·· =-·d--··--sina
1
d 1 sina ..,
· --···---··"· = ctg a ..,-·--···············"· '" ctg a,
c1~c1,+d
Ii_____ '" 3 l
-.: •...••_!
da 2 2 3 2 sina sin<x
3 2 "d s in a
2 3 ~
'"'·-~-~
I
334
a następnie zestawić macierze:
l
o o
o ()
~~-~?. = _ J_ sin~ 2 = __L_ ~L sin a 2_ = o o o {)
vd 2 dj sina 3 d 2 d2 sina 3
13 :::: o
1.048 O.U2J O ! 672. 7')
I
Uwzględniając postaci pochodnych, otrzymujemy następujące liniowe o
równanie warunkowe:
·!OO
Można także postąpić inaczej, pozostawiając wszystkie składniki równa-
nia jako wielkości niemianowane, jednak w takim przypadku poprawki do O.OOCH
k<\tów będą wyrażone w mierze łukowej. Ten spo~ób mianowania nie jest ().(J00 4 (m) 2
jednak zbyt wygodny pod względem numerycznym.
Na pods tawie dotychczasowych ustaleń i wyprowadzeń, możemy sformu- Ponadto
łować następujący liniowy układ równań warunkowych:
1200.00 ·100.CO ·!23.67 ] 0 .00102 -·IJ.O(Xl·ICi -U.00008]
ln>- lBT = ·100.00 800.GO ·119. 29 . (BP--IBT }-I = - O.OOtJ.16 0 .00!57 -- 0.000 16
[ [
·128.67 •11 9.29 2879.8) - 0 .00008 --ll.O<Xll G ll.00038
v1+v2+v3+a1" b +a2ob +a3o/J - 200g = O
v 2 + v4 +a2b +a:;b - 400g =O Zatem
().()124
336
Ponieważ tym samym
s=VTpy =3.939)
. } .s = s· (I etap kontroli)
7
s· =-i< A= 3.939}
Ponadto po obliczeniu
więckontynuujemy obliczenia , wyznaczajqc:
- wyrówna ne obserwacje p - 1 _ p -I B T (BP-l BT )- 1BP - I ~
l
sina3 r cc
[
(!tl}_
aa2
a1 +<i 2 +a~ - 20oi; =Ol ~?~!:,_ _ ~~L~~_:;_~~l~.i~q,
o O.OC.l042
o ( m)
<i 2 +a.i - 4oog =O ~ -··; aa, (si n r2:1/ f)
CC O.OOOOl (ce)
a, sin<i2 I
i
F= .a.~~"'!. ()
= o
I~~''._
·············--····· - ! = 0
1i2 sin <i:1 J ..,._.._~-- --- ~·-- - - - ·- 0.70736 tu.:1. mi:ma
I lhi3 .~!_na 1 . o
=o
I J~; s in a~
Vv celu obliczenia błędu średniego niemierzonego boku r/3 (po wyrówna- uzyskujemy
niu), a więc błędu średni ego estymatora ii1 , wyr azimy tr; wielkość w fonkcji 111: = mJ (FT p-lF - FT p - lnT (BP-1B T )- 11w- 1F1=0.000222 2 (m)
wyn)wnanych obserwacji . Korzystając z twierdzenia s inusów, zapiszemy dJ
339
gdzie
6. METODY MIESZANE
r.l'P1i~ r.l'~_L<2<J
ax 2 ax ,
a~ 'l'(X) ()'1'1_~~)_
6.1. Metoda parametryczna z warunkami '·--=------···
axr
wiążącymi parametry
o'I' f ( X ) .0_.'.l. 'L~~2 ~'.IJ~.(-~)
Są takie problemy geodezyjne i wynikające z nich zadania wyrówn aw- 1_ -J,X1.. ax 2 ax r x"'xo
cze, w których parametry układu równań obserwacyjnych muszą spełniać
dodatkowe warunki. W sieciach geodezyjnych warunki te mogą dotyczyć
współrzędnych niektórych punktów sieci (np., gdy odległość między tymi
r 'Pi (Xo)
punktami jest ustalona z dużą dokładnością lub warunki między współrzędny
mi wynikają z geometrycznej struktury sieci). W takich sytuacjach, oprócz '1'2 (Xo)
,\ ='I'(X0 ) = -
stosowanego w metodzie parametrycznej układu równań obserwacyj nych
x1 ~ ł~ (X I• X 2, ... , X r)
X2 - f2(X1,X2,--.,Xr)
l Ustaliliśmy więc, że w metodzie parametrycznej z warunkam i wi ążący
= x= F(X) mi parumctry, problem optymalizacyjny należy formułować uwzględniając
X 11 =I'~1 (,'(l,X2„--.Xr))
I dwa równania:
x = F(X)} Ad x + L = V}
należy utworzyć układ równań warunkowych wiążących parametry (podob- 'I'(X) '-~ o <=> Bd x +i\"' O
(6.1 )
'!'1 (X I• X 2, ... , X r) =O )
(przypomnijmy: A =aF(x)I
-- - . , L =F(X o)-x"b ). Układ równań warunko - i)
()X X = Xo
"x
or az skor zystaniu z warunku koniecznego i), uzys kujemy
można także rozwiązać w s posób uproszczony (zazwyczaj stosowany w prak-
•T tyce). Równania warunkowe Bdx + D. =O można bow iem traktować j ako do-
2V PA - 2 K·T B = O <.:~
datkowe równania poprawek o nieskończen i e dużych wartoś ciach wag
A.,.PV =Bri<
.6.
,,.-::--·-..J" ··-." a w każdym razie tak dużych, aby wyznaczone poprawki były równe zeru
\. V=-= Adx + L ~
'·--...·- ··· , ..__:. •----~-„- •' (w granicach dokła dności ob liczeń). Uzyskuje się wówczas uk ład równ ań po-
prawek
T • T, T·
A PAd x +A !L =B K
Ad x + Lo.:V ,,_ P wagi oryginalne
skąd
Bd x + t:. =V/; ~ P'"' wagi o dużych wartośc i ach
dx = - ( ATPAf. 1(A 7 PL - B Tii:) (6.3)
kt óry w łącz n ym za pis ie m acierzowym ma postać
Wyrażenie (6.3) umożliwia obliczenie estymatora wektora przyrostów na
podstawie warl<l.ści korelat. Wektor ci x mus i jednak spełni ać układ równań
IP o].
warunkowych, w czym „pośredniczą" właśnie korelaty (warunek konieczny ii )).
ZakJadając, że i( ~ O, po podstawieniu ci x o postaci (6.3) do równania warun-
[~}x +[~] =[~J <-- Po =lo P,.,
kowego Bd x + 1~ =O. otrzymujemy układ równań normalnych (dla korelat) n
A odx+ L o= Vo
gdzie:
skąd
(G.4) E stymator dx jest w t akim przypad k u rozwiązan i em, zna nego nam
W metodzie pa r a metrycznej z warunkami wiążącymi parametry, rozwią z metody p arametrycznej, problemu ~in{.;(d x) =Vcf P 0 V 0 }=vJ'r0 V0 be z
zanie zadania wyrównawczego ma zatem następujący przebieg: X
(6.5)
2. dx =-(A.,.PA) - 1(A.,-PL-BTK:)
Zatem
3.V = Acl x+L
(().6)
gdzie
r r
AoPoAo = A PA + B P~ B
T 0'!'1 ( X, :s. o'l'1(X,~ ll'l' 1(x. X) l
T T T
ax 1 ax2 ax r
AoPoLo = ;\ PL + B P~A J 'l'2( X, X) ~'1'2 (x , X) J'i'2 ( x , X )
.-\ = J'l'(x, X)!
. ()X lx=x"b .X=XO
ax, CJX2 ()X,
l
rametrów X. Elementami tego wektora nie muszą być współrzędne sieci,
lecz np. parametry deterministycznych modeli błędów pomiaru. Takiej sytu- '1'2 (x";,, XO) L\2
ii:::: 'ł'(x" 0 • X0 ) = „.
acji odpowiada następujący układ równań warunkowych z parametrami:
"' I (X_„1,• ,Xn)
I
'l'1(.t1. :c2 .. „ .xn. X1 .Xz,„.,X ,)=O
:l'z (X1 ,:cz,„ .x11 , X1 , Xz,.„,X,) = O ~ Przedstawione zagadnienie m ożna uj<\Ć w postaci następującego zadania
'ł'(x,X )= O
wy1·ówna wczego:
'I' f ( x 1,xz , ... ,:c„ , X 1, X 2 •••• , X,) = O BV + Ad x+1\ = 0 )
i)'l'1 (x, x2 Cl'ł'1 (x, X ) rJ'l'_i(X,~ ~~n {.; .... cv. d x.)= Ę(V,d x) - 2KT (BV + Ad x +A) } =VTpy (6.8)
·X
Jx, dXz Jx„
J'l'2 (x~..:'9.
B - a·„~~. x)I
- i)x :oc~x''" .X=Xo
-
-
~~~~-(x, ~?.
Jx,
~:t'.~(x~2
Jx2 ()x/I
Wa runki konieczne zadania (6.8) maj ą następujące postaci:
i)
~.'.:.L~~:~~- ~.1~f.~:~:~2 ~!!.~~: ~}
dXt dX2 iJx„ :oc,=,"h .X=Xo
344
a n a stępnie wstaw iamy tę wi el kość do trzeciego równania uk ł ad u (6 .9)
ii) ?_~s_(_y~~x) i "" o (estymato r poprawek V, przez ko re laty i<. ma wraz estymatorem d y speł
ild x :v „v.<1~cix ,K,,_,; niać równan ie wa runkowe BV + Ad x + 1\ = O )
·T . • (G.ll)
iii) K (BV+Adx +ó)=O
,Jest to u kład równań normalnych dl a wektora korelat K, o ro związaniu
Po wyznaczeniu pochodnych
(6.12)
JĘ~-(V.d'()
- ·· ---~jy ___-· = J~(V.dx)
·----·av·-···· -- ,.,~K r JV
() ..
(B\i.,. Ad x + c\ ) =
( zauważmy, że BE ·:Hf·'':=:} BP-IB T E '?J\ f .f, co j est zgodne z wym iar em wek -
= av V
J .J"
PV ... 2 K
T
av (BV +Ad
J
X + ,q =
tora K ). Wektor Zlx nie jest jeszcze znany. Wprowa dzając jednak rozwi ąza
nie f 6. 12 ) do niewykorzystywanego j eszcze równania A 1 K = O (drugiego
=2V.,-P-21cTB rów nania u k ładu (6 .9 )), otrzyma my uk ład r ó wnań norma lnych dotycZ<łCY
wektora przyrostów d x
()Ę~-(V,dx) ()Ę(V.dx) T () .
„„„„„.·: ···--· ·····-·····= ·- - · - - -- -2K -- - ··· (BV +Adx +!.\)=
ddx ildx Jdx '
() T T () (6.13)
c~ ~- „ ....„ V PV - 2 K ·· · ····· (BV +Ad\' + 1\) c.:
ml X Jd X ' o rozwiązaniu
·- -~~ ·---· --~ ~~
o
(6.14)
=-2KTA
·w yrównanie meto d ą warunkową z pa rametrami , a w i ęc ro zwi ąz ani e za-
oraz skorzystaniu z dwu pierwszych warunków koniecznych uzyskujemy
dania wyrównaw czego
a,;_...__~~~1 .x>.I '~ () ~'.O} =o '-'~
()V i v~\'.cl =.- <ix.K"K
2V.,.P- 2KTB
BV+Aclx + 1\=0 i
min {s: cV .dx) = yTpy }=-yrp-y
V,dx ,
115s„<:V._'.~~s_l_: =o = A T·K =0
r)dx '-V~: V,d=--Zlx ,K=K ma zatem następujący prz ebieg:
Po uwzględnieniu tak:i.e trz eciego warunku iii) {dla 1( ~ O ), otr zymuje m y L clx :::-{AT(IW-lBT)- 1 A}-' AT ( BP- 1nr r -1 A
uk ł ad trzech r ó wn ań
2. K:= - ( BP- B
1 7
f 1
( Aclx + A)
A T-
•
K ,,, ()
BV+Adx +A = O
•
lj
I
(6.9}
3. v= r·· nri<
1
Ro zw ażmy t eraz przypadki s zcz ególn e uzys kanego rozwi ązan i a. Otóż
ni ech w róvrnaniu BV+Adx + ó.="'0 za chodzi B = -1 11 • W ówczas
(6.10)
346 347
oraz dalej dr 0 ==1s1.ss1(m) mL = 12 (mm)
błędami śre dnim i
-~\ T (BP-LllT )-1 At AT (lH'·-LuT )-1,\ ==-(;\/PA)-! ATPA1 J!/' "'244.275 z m2 := t2
tlx =
d3vó = ?5' ?~-
- ) ._J 1113 == 5
1 7 )
K = -(BP- B °>-L(Atlx +ó.) = -P(Adx +A) f
• I T L • • Wyrównać tak uzyskaną sieć, przyjmując następujące wspóh-zędne pwili:tów:
V= p- B K = p- P(Adx +A)= Adx +A
s,
co stanowi rozwiązanie klasycznego zadania wyrównawczego o postaci (gdy XCml Y ( m)
- ·---·
przyjmiemy, że il= L) SL 1400.200 2389.750
V= A<lx +L ___
S2 Hii0.080 2550.1 5 0
d, ,_____
punkt S4 ma znane współrzędne w układzie (X, Y), podobnie jak punkty s tałe
SL, S 2, S 3 . W celu wyznaczenia nieznanych współrzędnych punktu Z, zm ie-
rzono odległości d 1, d2 , d 3, uzyskując wyniki (rys. 6.1):
V = Ad x + L:
• 1o
' ' 1 --COShz1·,
- • „ t' •i'.S;
(i X z -Slll L) d Yz + d 3f) ·- (l"b
3
. .
oraz macierzy a następnie, zgodnie z przedstawionymi w rozdz. 6.1 zasadami, przep r owa-
dzenie dalszych obliczeń
-sin A~~11 [- 0.9910 0. 13361
.r lro.o O.O 1886 O.O 1787] (Ar l'A)- 1=[102.65 -52.371
- sin A~s
2 = --0.8 ! 85 -0.5745 A PA=
1787 0.03503
.
-52.37 55.27 J
- ,. 1·n .\o I - 0.4297 - 0.9030j
" . zs, j
oraz
•
K=-
{H(A T PA ) -1 B r}- 1
{A- B (A T PA ) - 1 A r PL }=-0.285
Na podstawi e przyjętych w ni niejszym przykładzie wartości błędów śred
nich pomiaru , ustalamy następującą macier z wag: d· x = ~( A r P A) „1(A .,. PL - B r K} = [ - 2 1?... OJ
·i
. . . 154.5 ( 111111)
r _l _ !
P= j
.
1 m1
I
2
2
Ił!'!.
-,
I I
I
I= [0.0069
0.0069 l
0.0400 (mm)-2
V= Adx + L=
11.51
25.5
[- J0.3j(
mm)
J
I)O = <_,,v S.: - ,,vO
z) 2 +Os.:
, ·-YzO) '- == 182.499 (ml Takie same wyniki u zyskamy stosując rozwiąza nie uproszczone, na wiq-
zujące do klasycznej metody parametrycznej. Rozw iązanie to polega , o czym
jest długo śc i ą „bazy" b obliczoną na podstawie przybli;i:onych współrzędnych m ów ili śmy w rozdz. 6.1, n a tra ktowaniu ró w nań warunkowych jako dodat-
punktu Z (równanie to wynika z występującego w przykładzie 5. 1.3 równa- kowych równań poprawek o dużych wa rtościach wag (tak dużych , aby obli-
nia poprawki do odległości d4 , przy założeniu v4 = 0). Uzyskane liniowe r ów- czone poprawki, w gr anicach precyzj i obliczeń, były r ówne zeru). W nawią
n a nie warun kowe umożl iwia utworzenie macierzy zaniu do łącznego układu równ ań poprawek
1~ o= t~ = /} 1
b "' 187
[~~Jdx +[~] =[~J
~-----··-
z macierzą wag P0 =[~ ;J
- ( mm)
a
Aodx +Lo ~Vo
350 351
przykład 6.2
ustalamy, że
W trójkącie zmierzono kąty a 1, a 2 , a 3 , l(1 z jednakowym błędem śred
-0.9910 nim mac: zocc (rys. 6.2). Zakładamy, że wyniki pomiaru kątów a 1, a 2, a 3 s~\
0.1336]
A =[AJ= -0.8185
o B -0.4297
-0.5745
-0.9030 '
-[L]-
Lo -
A
-
-2191
-59
38
obarczone błędem systematycznym s . Wyrównać kąty, a jednocześnie wy-
znaczyć estymator błędu systematycznego.
oraz
a{" :':': l00'00~6a~'
a.;"~ ~~ 51)'lHJ~ .~oc~
0.0069
(!:~ "."."; ~so•uo~6o~~
0.0069
0.0400
10 8
'--------------~
c l: : ),'
sad klasycznego wyrównania metodą parametryczną, obliczamy Rys. 6.2
Rozwiązanie
• r , AO -
'~O 1 O
-l 2741989.6 - 16330353.8] T
(A P \ ) -
-I l38.68 6.49j
Wyrównanie kątów z jednoczesnym wyznaczeniem estymatora s można
-16330353.8 97258010.4' - o 0 ' o - 6.49 1.09
wykonać z zastosowaniem metody warunkowej z parametrami.
Trójkąt o mierzonych kątach, traktowany jako sieć geodezyjna umiesz-
ATP L -[ 3103955523.0] czona w układzie współrzędnych (X, Y), jest siecią o defekcie całkowitym
o o o- -18486099102.0 d"'" 4 (rys. 6.2). Niewiadomymi w t ej s ie ci są wspó łrzędne wszystkich punk-
oraz tów, zatem r ~' 3 -2 = 6. Zmierzono cztery kąty (11 ~ 4). Wobec tego, ustalaj ąc
liczbę obserwacji nadliczbowych, a t ym samym liczbę koniecznych równań
warunkowych (w naszym zadaniu: równaii warunkowych z parametrem),
uzyskujemy
f=n - r+d =4 -6+ 4=2
Wyznaczając wektor poprawek, uzyskujemy (zgodnie z założeniem 1>4 =O,
a dokładniej 1'4 = I 0-9 ) Mogą to być n a s tępuj ące równania (zob. także przykład :).2.4):
352 353
Natomiast w odniesieniu do k<1ta a.1 tradycyjnie znpisujemy
•
K==-(UP B ) ( Ad• x + A)= - ·::! [ 2
-I r. - 1
1
-J° 1(f3] _ 1·150]1 [ 10.j
l I (- )0)+ = i
) - I 3J 100 - 30J'
L , ( ce)
B ~ [:) l l 01.
o ! l J
dX "" s
... ob "'
a.1 =a.1 +1•,1
Ponieważ bh\d średni pomiaru jest jednakowy dla wszystkich k11tów, to
W celu sprawdzenia, czy te wartości spełniaj ~\ układ równań warunkowych,
obliczamy
Podstawiajqc c"' m(,, do d a lszych obliczeń przyjmujemy I' '" l,1. Ponadto , ci 3 + c:l 4 -· 4001: ~-" O J
skoro
355
.-'.
7. WYRÓWNANIE SEKWENCYJNE
X1<11>= x? +dx1 +dx1
'---y--'
X1
W praktyce występuje niekiedy konieczność uzupełnienia istniejącej j uż
i wyrównanej sieci geodezyjnej nowymi pomiarami lub nowymi pomiarami Je śli zatem oznaczymy
i nowymi punktami. Tak rozwiniętą sieć można wyrównać "od początku" d ' - d Xi
X1 (1l) -
+ d X- (7.6)
1
jako całość lub, co jest działaniem bardziej racjonalnym, wykorzystać wyni-
ki wcześniejszego wyrównania (np. Sn<ORSKI 1979 a,b) . to
Załóżmy, że w I etapie wyrównywanej pierwotnej sieci geodezyjnej lub (7.7)
innej strukturze pomiarowej o r 1 parametrach i n 1 obserwacjach, odpowiada
następujące zadanie wyrównawcze (metoda parametryczna):
Należy zdawać sobie sprawę , że parame trami w równaniach _obserwac~j
nych dotyczących wielkości mierzonych w etapie li (;< 11 ), są zarown~ ws~oł~
V1=A1dx,+L1 l rzędne nowych punktów (X 11 ), jak i os ta te czne wspołrzędne _Punl~to.w s17c1
·erwotnej (X ). Np. jeden z punktów mierzonego boku moze łezce w ste-
p1 t .
c XI„J, =::crJQ =crJ 1>(1
nh
Xr
Ir Cl J>
!(li) , . . - . . .
l ·
.
.· dołączanei natomiast drugi - we wczesmeJ wyrownancJ s1ec1 p1erwo neJ.
Oznacza to, że układ równail obserwacyjnych w etapie li na ezy zap1sac
· '
(7.1)
mrnfo(dxł) = v(Pr Vi }= v(P1 Yr J: w postaci
d ~l
xu =F(X 11 ,X l( 11 i) (7.8)
o rozwiązaniu
Wynikający z układu (7.8) liniowy uk ład równań poprawek ma postać
(7.2) (jego poglądową interpretację ilustruje rys. 7 .1 )
(7.9)
Estymatory cl x 1 oraz X1 są zmiennymi losowymi o takiej samej macierzy
kowariancji
(7.3)
X1(11> == X1 + c1,.
· •!
<7.5)
356 ;3 57
Bioro.c pod uwagę równania poprawek (7. lO) oraz (7.13), a także odpo-
c:~p li wiadające im modele statystyczne, można sformułować na stępujqce zada nie
'
o „ ... . „ .
i
..!,.„
wyrównawcze:
····· ...
··-.. .„.: · \
\
.....\·· \
.
~ p-l
--
C:.:\'{' - <Yo li li-
1
nnwych obscrw;icji
: modele: St;Jty.s1yc i'J1C (7. 1·1)
c ·. =O'(~ p~l = er(~ (Ar P,A I )- 1
X1 x1
I·-
J
par.unc1rów Cl~pu I
35!)
:158
gdzie uzyskujemy
T
o ][Pu O][A A1 (li)]= T T rl
l
T Au 11 • . ' r _, ' A 11 Pu A u All P11A1 (llJ I
A PA = T (7.17)
[ A1cn> I 'I O Pv O C -. = C,i = mfi (A PA ) = 1110 T > r
.~ , I 'I
:x x A1 c11> I 11 Au
>
A 1 <fil 1 11 A 1( li )+ I
>
x, _Il
W celu ust alenia liczby stopni swobody/ form y kwadratowej V PV po-
-.,. -
wróćmy do r ozdz. 3.2.2. Wykazaliśmy tam , że
r f = Tr(M) = 11- r
APL =
Au
[ A1 (llJ Io'l
T J[P"O o_
Px
' I
J[ ~" ]=
-d x I gdzie M = I„ - A( A.,. PA ) - 1 ATP. W naszym problemie
d _ [dxu
x- dx,<11J -
l- r 1 ·- liczba parametrów pierwotnej sieci geodezyj nej (elementów wek-
tora d r ),
1cz >a nowyc l1 parametrow
r 11 - 1·1·lllll • Ce lcmen t ow
' we 1'tora d x /.
1
T (7.16) Zatem
Au P11A11
=-[ Al(ll)
1'
Pu An f = Tr(t\.'I) = Tr( I 1111 +ri ) - Tr[ A '/' PA( A TPAr·
1
J =
=Tr( l„ 11 + 11 ) -Tr( l 'l 1 1.,t) =
o macierzy kowariancji (na podstawie wyrażenia dx =-(ATPA)-1 A r PL =DL = ( nu +r1) -(r11 +r1) = 11 11 - r11
oraz modelu C1, = C x"h =<TJ p - 1)
Wobec tego
C.i v = DC1.DT =: O C 11„ Dr =(ATPA)- 1A.,.PC „„PA(A.,.PA)- 1 =
,\ X ~ ' yTpy
mc)= - -- (7.18)
= <TJ(A.,-PA ) - 1 ATpp - IPA(ATPA )- 1 = 1111 - "11
=<TJ(ATPA)- I
(zobacz także Gm:1m:NNIK 1981). Wa rto zauważyć, że w modelu macierzy ko-
Biorąc pod uwagę, że
wadancji CL '~ c,„1„ wielkość CJJ jest wspólnym współczyn nikiem w obu lo-
l
kalnych modelach
[' l [ ][(j
X11
'
~ ~
x
=
x?1
x0
+
~
X11
dx1c11i
~ X= x 0 = dX
sta nowiących przekąt niowe
CX
I
2 'J' l, A ·- I
• = <Yo ( A1 I 1)
:3G l
odpowiednich metod estymacji, np. zaprezentowanych przez W1SNIEWSKIEGo
(1989 b, 1990 a, b).
Przyjmijmy teraz, że w U etapie są dołączane tylko nowe pomiary (bez
s,
dodatkowych punktów). Wówczas w modelu funkcjonalnym zadania (7.14)
należy podstawić A 11 =O. Uzyskujemy w te n sposób zadanie
s,
(7.19)
min { (;(d . ) ::=VTpv1 = vTpy
d .
.1,(ll)
- .-1 1( 11) J
I s,
j
(7.20)
oraz
V =Adx +L
Natomiast estymator wspólczynnika wariancji ma tutaj postać Rys. 7.2
oraz punktu Z1 należy wyznaczyć nowy punkt z2 • W tym celu zmierzono 6 -{1°"1
( (1°
odległości d 4 , d5, d6 , a także odl egłość mi ędzy punkt ami z1• Z2 oraz dodat-
o o -0.9404 -0.340 1 -0.038 (-- 6
362 363
[=~:~~~1
_,
(111 ) -
125 Li =
25 0.038 (fil)
I 25
100
Na podstawie tych danych u zyskujem y nas tępujące wartoś ci przyros tów
p::: 10 2 do przybliżonych współrzędnych p tmkt u Z 1:
100
100
l 25
Przytoczymy także uzyskane w p rzykładzie 5.1.6 pods tuwowe wyn iki wy- p. - p. = .\ T p -\ 1 = l 4592.6 IS 16.4]
X1 - <lx ! • I I· 1816.4 1907.4
równania:
-
współr.1.ctdn ych punktów (m)
0.023 ny fragment złożo n y z n owego pun ktu oraz nowych wi e lkoś ci mie r zonych:
r-~~~:~·
dxz1 0.018 odległości d,1, d 5, d6 , d 7 i kąta a . Wy nik i pomi a rów tych wielkości oraz ich
dyz -0.015 bł ędy średn ie pr zyj m uj emy tak ie sa me ja k w p rzykła dzie 5.1.6. N a t ej pod-
-l
dx = - 0.114 s t awie u st alamy n as tępuj ący układ równań poprawek:
-0.010
d x z2 V""
l 0.193 Inii
dyz2
- 0.008
0.004 r,
\I~
- 0.6690
- 0.9854
0.7 433
0.1700
o
o
o"
o
[I l
- o.no'1 ( Ili)
0.153
l
)
0.011 [dxz
dyz: J+ o o c;'" lW!J + - 0.038
lV () - 0.9404 -0.340 1
0. 0005 (g) - 0.9863 Yzi (lfl O.OOO
- 0. 1647 0.9863 0. 1647 l
V·7
Vu 0.4399 - 0.3453 -0.344 l -0.0575 0 .0 54 9 ( g)
Takie same wyniki powinniśmy otrzymać st os uj ąc omówione w tym roz -
dziale za sady wyrówna nia sekwencyjnego. t t t ·'I t t
V II Au dxu A l(!l) c1, + Lu
• I( li)
Etap I
W etapie I wyrównamy współrz ęd n e punktu Z1 tylko n a pods tawie wy ni- W wyn iku kolej nych dzi ała ń, zestawiamy macierze :
ków pomi a ru od ległośc i d 1, d2 , d3• KOl· zys taj ąc z rezultatów o bli czeń prze d-
stawionych w przykł adzi e 5.1.6, możemy ze stawić nas tęp ujące ma cierz e: -- 0.6690 0.743 3 o o
- 0.9854 0.1700 o o
d·;
l
'' Z t
dy., - 0.9404 - 0.3400 (} ()
'· I
- 0.9911
0.! ~29] 25
J"' -0.1647 0.9863 0. 1648 0.0068
At = l-r 0.8185 - 0.5 /44 ,
- 0.4297 - 0.9029
2
p 1 = 10 [ 25
A "' [ An
O Al( ll)
I'l 0.4898 - 0.3453 - 0.344 1 - 0.0575
25 (m) - 2
o "'ii' l . ""(j
() o o
364 365
-0.230 (m)
-0.153
r L l Ln -0.3 75
L =I_d ~ j"~
L . I
o.ooo
0 .0549 <- (g )
- dx 1 0.197 j (m )
-0. 143.1
f - 0.0 101 (m )
v l l - 0.008
0.004
- Il -
10000
10000
l V = y.
[ X1
= Adx+L::: O.O l l i
0. 0005 (!~)
-
- <-
p -- [P11
o ~xJ=
2500 l 0.02 l J
•144444.4
Uzyskany w II etapie wektor przyr ostów d x do współrzędnych przybli-
i8164j
l
..
o . '~ 592.6
żonych jest taki sam jak w przykła dzie 5. 1.6, a więc równy wektorowi uzy-
18 16.4 2907 .4 ska ne mu w procesie wyrównania ca łej, rozwini ętej sieci geodezyj nej. Warto
także zwrócić uwagę, że (zgodnie z wcześni ejszymi założeniami)
a następnie obliczamy:
r- -
dx 21 rii> = dx z, + ,~ v 21 = -0.1 97 - 0.026:::: -0.223 <ml
r 1297]'.l.4 - 79037.7 - 74990.3 -12108.5 {..~ 1
T
· PA =
.\
l - 79037.1
- 74990.3
621107.8
53229.3
53229.3
57301. 3
639 1.2
10203.0
lrirz ·1 (11)
=dyz, +ii Yz
·
1
= 0.143+0.02 1= O.I M <ml
l
!5346.<l°J wiono uwzględnić tak że wyniki pomiaru kątów a, fJ (rys. 7.3). Założono, że
A T PL == - L0262.4j s,
-- 7747.S c:ap I ciap Il s, '-"
-·· 146 1.7
s,\ d,
0 .94l
r4.07 3.1 7 2.2 1
j ~\
d, M
s.
s .
' ..
..1
( ~ PA )- =10-1 5
l3.17
2.21
0 .94
11 .51
-7.68
6.33
-7.68
l 3.35
-8.87
6 33
-8.87
23. 7 1
Rys. 7.3
:367
wszystkie wyniki pomiarów (wraz z ich błęd ami średnimi) oraz współrzędne Etap I
punktów stałych SI' S2 , S 3 , S4 są takie same jak w przy kł adach 5.1.3 i 5.1.4. w pierwszym etapie zmi erzono odległości d 1• d2 , c/3, i/_ 1• Takiej pi erwot nej
Stosując zasady wyrównania seh.-wencyjnego wyznaczyć ostateczne, wyrówn ane sieci geodez:rinej moż na przyporz<\<lkować macierze (przykład ;).1. 3):
współrzędne punktu Z. Ustali ć tak7.e wpływ dodatkowych pomiarów n a zmia-
~d i
nę wartości przyrostów do przybliżonych współrzędnych punktu oraz na zmia-
r-m
r··--0.99'. I 0.1329
nę wartości błędów średnich wyrównanych współrzędnych. ,-0.8185 -- 0.5745 -59 (·- d,
-\ - I ' L "' ~_il)•
' -i -04297 -0.903 ' ~d3
Rozwiązanie
Ostateczn a geodezyjna, po dołączeniu kątów a, /J, jest t a k a sama
si eć l 0. 1656 - 0.9862J L 187 (mm) (- '"~
j ak p rzy kł adzie
5.1.4. Przyjmijmy walian t, w którym wyniki pomiaru kątów
są wzajemnie niezależne. Zatem przepisujemy: ł.56
o ma cierzy wag
1.56
0.4:1 Px = P·
T
= A 1 P1A 1 =10
-z[1.927_ 0.0591
„~
. l d yI ().())9 J. _()_, (uun) ··-~
p = 10-2
0.44
1 0.69
0.50 _,
i macier zy kofaktorów
-31
l 0.50
(t;t;J -
Q.;. =( A .,.1 P1A 1 J-- 1 = [ _52~_,
-~1
SJ
'
.,
·( llllll)"'
a na stępnie Etap Il
W drugim etapie doł ącza my wyniki pomiaru kqtów a , {J, tworząc macierze:
-3i(lllłll)
d•
X
= [- 197]
160
(mm)
= [J'•;.(.
dyz
l. l
'
9
- 22
-4
A1 .
(llJ
N astępnie,
o:
-2.0563
[ O. 7544
2.0349] 1>11 ::: IO
1.062 I '
-zf0.50
L 0.50
są
4 (ce)
dołcwz ane tylko obserwacje), zest a wiamy maci erze :
- 23
2.0563 2.034')]
Tak ie same wyniki powinniśmy otrzymać po zastosowa niu zasud wyrówn a-
A =[Al <ll >J = 0.7544 . 1.062 1
nia sekwen cyjnego.
lr
[
l O
o l
368 369
···~·"(
Zmiana \Vartośd błęd ów śni clnich wyrównanych współrzędnych l uh błę
ro.so o o
l _, .~ ll(mml
:: dów średn ich innych wielkośc i jest zwi<1zana z n ieze rową m acie r zą pr zy r o-
r 1>11 o () 0.50 o x
stów 1:-. Q (przyrostów elementów macierzy kofaktorów), czyli z ma cierzą
p =I_ o P ·. =IO -
o o l .927
x, J 0.059
o () 0.059 1.203 ~
r· Sl l (·'l Na przykła d ,
wskutek dodatkowych pomiar ów uzys kujemy na st ępując<\
zmi a nę
(zmniejszenie ) wartoś ci błędów średnich wyr ównanych współ rz ęd
L 11 ] -46
. Ii
L=
r .
L- cl x 1.
=
199 irmml nych punktu Z:
• 1J
··· 15< '
L
1').C~..:. ::Cx· -ć ,.=cx-. ··· Ćx· =
·' • I -~ • I • 1(11)
Rozwiązując zadanie wyrówn ania sekwen cyjnego, uzyskujemy :::: mJ Qx, I -mJQx·· • 1(11 )
= skąd
?
• T - I T [ ·- l 97 l = 111 0 1\ Qx
d x = d ~. == - ( A PA) A PL = I
• lł l ll . I (i 1 I
· .... (mm)
\ V ty m wdaniu, dla dowo lnej wartości m 0 , otrzymujemy
d• - cl
X I (li) -
•
XI . .
IV· ·-
.
XI -
[ ·· 1991 +'
l r::·1
-· r- 197J
154 1' 7 1-
.
16 J
. J •. (llllll )
;370 371
t.' ''
Jf°.": .·
·1_
.,.,
8. WYRÓWNANIE ODPORNE
NA BŁĘDY GRUBE
ki
Pr zyjmiemy również, że prawdopodobieństwo wystąpienia losowej popraw-
(błędu pomiaru) z prt:edzialu dopuszczalnego 1~w. tzn. prawdopodobier1s two
r,---.~yh praw<lo~>0<lobic1;i;.lwo,
z klory111 ,. e (--ka; Im} lub v € (-1<; li}
r-,~;~:R.68
I
O.S:··rl~-
,
=5-r.l ::~:-I·~.~971
;:- - · • ł--:-1-·-;-1 ~ r I ·:l- - ,
; ___
<) - + - -
} -•
l'(·-{I::; \I ::; <1) "' I' L„ " ~~-.1_ _1___~.1...„--~·--~:~„ ----~-- -
jest na tyle wysok ie, że może być uznane za pewność statystyczzw„ a „ogon"
Na przykład , z prawdopodobier!stwem / = 0.988 można twierdzi ć , że po-
rozkła du prawdopodobieńs twa , czyli />{ (1• <-a) v (v > aj l = I - )', za wielko ść
prawk:i należąca do przedziału C.v = (- 2.5a; 2.5a). lub s tandaryzowana po-
nieistotną (rys . 8. 1).
Granice przedziału dopuszczalnego dla losowych poprawek, a tym samym prawka należąca cło prze działu 1~v = (- 2.5; 2.5), jest poprawką losow<1. Po-
i dla losowych błędów pomiaru, można wić\Zać z dokładnościć\ pomiaru i przy- prawki s poza przedziału dopuszczalnego będziemy traktowali jako poprawki
jętą wartością prnw<lovo<lobic11s twa y. W tym celu należy jednak przyj<\Ć bar- grube reprczentuj<\CC g rube błędy pomiaru.
dziej szczegółowe założenie o probabilistycznym moclelu błędów pomiaru. Odnieśmy teraz przedstawiom1 analizQ do wyników wyrównania klusyczną
W podobnych j ak tutaj sytuacjach, na ogól przyjmuje się , że błąd pomiaru metodą najmniejszych kwadrat ów. Przyjmijmy, że mierząc z jednakowym
372 :na
odchyleniem standardowym a= 1.5 pewną wielkość o wart ości prawdziwej x
Uzyskano
-~. • y . '" • = Ą x,: = ?-· •Ta lc wiemy,
\···vn1·l·1·· X1"1' -- 1. X2"" ?~. x:;ob = ·'· "" · · '
w takiej sytu-
acJl estymatorem NK wartości prawdziwej jest średn i a arytmetyczna. Ponie-
waż każdy wynik pomiaru jest zmi enną losową o tym samym odchvleniu
sta n d~rdo.wym, więc. ~ażdemu z nich przyporqdk ujem y t ak<\ sa mą. wagę
p =a - ~ (me Jest tuta.1 istotna warto ść tej wagi ). Zatem
li
·•~ ---( L,
" P;) ·-I" Jł
._f>·
L, fJ; .t;.o/i -· l +p
------ ·2+p·3
--·-·- - +p·2
. - . -···-···-··· ~" 2
· <I o li
~\'
oraz estymatory poprawek: \. 1 = I, v2 =O. 0:1 = - 1, 1;,1 =O. Niech te raz z ja- s zej wiarygo dno ś c i
z zas t osowa niem pewnych r oz k ł a dów prawdopodo-
kich ś powodów {np. wskutek przekł am ani a odczytu instrumentu) czwar ty bie ń stw) . Sąto jednak metody o procedura ch ob licze niowych w is totn y s po-
wynik pomiaru ods taje od pozostałych i wynosi x = l O. Wówczas sób różniącyc h się od dobrze pozna nych rozwi ąz ai} metod:\ naj mniejszych
kwadratów. Na przykład, poszukiwanie minimum fun kcji celu w metodzie
• p·l+ p · 7.+ p·3+p ·l4 najmniejszych odchyl eń absolutnych jest, ze względu na brak jej pierwszej
X= - -·-·-- ··---- ·-···-·····- - - -- = 5 pochodnej w punkcie eks tremalnym, realizowa ne z zastosowaniem zasad
p+p+p+p
programowani a liniowego. Dobrze opisane s ą t akż e i in ne metody identyfi -
oraz ,; I "'4, 1~2 ;: 3. i"3 = 2, v~ = -9. Uzyskane oszacowanie war tości prawdzi- kacji błędó w grubych , oparte gł ównie na s pecjalnie do lego celu formuło wa
wej x w istotny sposób różni s ię od wcześni ejszego. Porównuj;'_\c wyniki po- nych testach statys tycznych {np. BAARDA 1968). Prz eg l ąd tych metod, oprócz
miaru, zdajemy jednak sobie sprawę, że czwa rta obserwacja odstaje od po- innych zagadnie11 pokrewnych, np. dotyczących niezawo dnośc i sieci geode-
zosta łych (mierzonu jest pr7.eci cż ta sama wiclkoAć), a wi ęc prawdopodobnie
zyjnych , jest zawa rty w pracy Pnós ZVŃSKIEGO, Kw,\ŚNIAl<A (2002). Natomiast
w tym p odręczniku, o czym j uż wspom i nali ś my, przedstawimy jedn ą z klas
jest. ona obarczona bł ędem grubym. W p ewnym sensie rozpoznanie to po-
twie rdza warto ść estymatora poprawki do czwartego wyniku pomia ru. ,Jeśli odpornego wyrównania, n a wią7. uj<1cą do ogólnych zasad M-estym acj i.
prze d?.ia ł dopu s7.czalny dla losowych poprawek ustalimy w postaci (dla
W klasie A-I-estymacji, właśnie z myś lą o opisywanych da lej zastosowa-
niach, wy różniliśmy zmod yfiko w a ną metodę naj mniejszych kwadnitów.
"/ == 0 .95, <T = 1.5): 1~1· = (-1a; 2a) :;:: (- 3; 3). to istotnie 1~. 1 " i:\I'. Postępując roz-
Przypomnijmy, ż e skł a dowa funkcji celu tej modyfikacji, a w zasadzie gene-
są dnie, powinni ś my obserw acj ę x 4 "' 14 po pros tu od rzucić. Takiej „świado
mości " nie ma jed na k zastosowa na metoda wyrównan ia. Przypomnijmy,
rowanej prze?. ni ą grupy metod, ma następując<1 postać:
składowa fonkcji celu metody najmniejszych kwadratów ma po s t ać ,
p(v ) = w(v) v „
2
p(v) = p v gdzie w(v) jest funkcją wagowi\ . Rzec7.ywi śc ie, zgodnie z de finicją fun kcji
ską d wynika, że metodę tę reprezentuje następująca funkcja wagowa: wagowej, mamy
cfp( V)
dp(v) ··-···">-- = w(v)
·--··„:;···· = p d (I'-)
d(v")
Wa rtoś ciami funkcji wagowej w(1•) są wagi. Związek międ z y wartości a mi
Metoda najmniejs zych kwadratów należy więc do klasy neutralnych me-
wag a wartościami poprawek m a is totne zn aczenie w przebiegu rozwiązyw a
tod wyrównania. O ile bowiem przez sztuczną zm i a n ę wartości wag nic po-
nia zadania wyrównawczego {w klasycznej metodzie NK: w(v) =p = con st ).
stanowimy inaczej, o tyle ka żdy wynik pomia ru będzi e tutaj lraktowa ny
Z wcz eśniejszej proba bilistycznej anali zy, uzasad niającej wp rowadzenie prze-
jedna kowo, nawet ten o najbardziej absu rdalnej wali.ości (rys. 8.2).
d z i ału clopuszcza.l ncgo l\v dla losowych poprawek ( rep rezentujących losowe
W rozdz. 3.2. l prze dstawili śmy postaci składowych funk cji celu kilku in-
błędy pomiaru), w s posób b ezpośredn i i naturalny wynika następuj1wa funk cja
nych met.od wyrówna nia należących do klasy ,\.f-es t.ymacji. Niektóre spośród
wagowa:
tych metod są „w naturalny sposób" odporne na b łędy grube (zasada wyboru
alternatywy, metoda najmniejszych odchyle ń absolutnych, metoda najwick-
374
·< „.,
:::.. .
(
brak tej równoważno~ci s twarz a istotny ma~·gines błę~u dec~zyjnego. iVIargi-
:p dla vE l'l.v
ne s błędu decyzyj nego poszerza także. i to, ze w wyrazem~ v '.'° vl C5 ( stand~1-
w(v) =~ (8. 1}
Lo dla v li: 6.v rvzowa na poprawka ) estyma t ore m 1est zastępowane rowmez o<lc~yle me
sta nda rdowe O' - wyznaczanym w proces ie wyrów nan ia bł ędem średmm m,,_
W naszym przykładzie estymator poprawki 0.1 dotycZ<\CY obser wacji od- estymat ora poprawki v. W tej syt ua cji standaryzowany es tymator po?rawlu
stajqcej nie należy do przedziału dopuszczalnego l'l.v. Zatem, zgodn ie z przy- ::~' -- v' / 111\•' nie ma u normowaneuo rozk ład u n orma lnego , lecz rozkład Studen-
jętym w (8.1) przebiegiem funkcji wagowej, podstawiajqc v.1 =v. 1• uzys k uje-
b
ta. Roz kład ten , jak wiem y (zob.' rozdz. 2. 1.2), jest związany ze stopn iami
my w(v.1 ) = v 1 =O, a następnie ··wobody, równoważnym i w om awianym problemie z lic zbą obserwacj i nad-
~iczbowych. Tru dno zatem w spos ób zgod ny z teori~1 zaproponować taki prze-
X
- = „p·l+p·l+p·3+0·14
„..„.-.-.„..„„ -.„.„„.„„„.-·----„--„-·-·- = 2 dzi ał dopuszcza lny ó i·; "" (- k ; k) dl a standaryzowanych poprawek ;; ( t aką
p+p+p+O wa rto ść k dl a p rzyjętego praw d opodobieństwa y), który obo w ią zywał by
w każdej s ieci geodezyj nej (bez względu nu l iczbę obse rwa cji nadliczbo-
Bliższa analiza wskazuje, że problem nie jest jednak t ak prosty j ak mo- wych). Natomias t przyjmując wartośc i k us t alone z. zastosowan iem rozkładu
głoby to wynikać z przedstawionego rozważania i ilustrującego go e lemen - normalnego, n a leży l iczyć się z dals zym pos ze rzeme m mar ginesu błędu de -
tarnego przykładu. PoŻ<\dany wynik uzyskaliśmy bowiem nie na podstawi e cyzyjnego związanego z identyfikacj ą obserwacji <~in~rczonyc h błęd~~1i grn-
analizy wartości wszystkich estymatorów poprawek, lecz na podsta wie bymi (w pr zypadku tak iego samego prnwdopodob_ier~s twa "· war los c k uzy~
wskazania tylko jednego z nich. Wskaz a nie to wynikało z ni ed ostę pnej s ki wa na z rozkładu Studen t a j est większa , szczegol m e gdy li czba obserwacJl
w rzeczywistości wiedzy o tym, która z obserwacji jest obarczona bł ę dem nadliczb owych jes t mału) .
grubym. Zwróćmy uwagę, że oprócz v,1 = -9 jest jeszcze jedno oszacowani e Ws k a za ne powyżej obsza ry n ie pewności skłan iują do ba rdziej ostro żnego
poprawki o wartości nie mieszczqcej się w przedziale dopuszczalnym dl a po- modyfikowan ia oryr,>in alnych w artości wag. f unkcja wagow a n ie jest zatem,
prawek losowych, tj. v1 = 4. Poprawka ta dotyczy „niewinnej" obs erwa cji, na ogół, fun kcj ą dw uwart ośc iową (orygina lna waga p lub zero), lecz poza
i korzystajn,c konsekwentnie z funkcji wagowej o postaci (8.1), moglibyś m y przedział em dopus zcz alnym jest funkcj ~1 s topniowo ma lej ąq. Oryginalne
także i tę obserwację, w sposób zupełnie nie uzasadniony, odrzuci ć . Uzysk a-
wagi s ą wi~c tam w jakiś sp os ób tł u m ione. Korzystaj ąc z t ego usta lenia,
ny w ten sposób wynik fu nkcj ę wagow ą dla standaryzowanych poprnwek możemy zapisać w posta ci
• = O· l+p·2+ p ·3+0·14
X
_
--„-· = 2.)
„ „• •„ „ _ ._ _ „ _ __________ . „ „• • (8.2)
O+ p + p + O
gdzie t(\i') je s t nierosną cą, a w pewnych przedziałach mal ejącą fu n kcj <\ tłu
jes t, co prnwda , lepszy od rozwiązania klasycznego, jednakże mało s a t ysfak- mie nia o nas tąpuj <\cych podst a wowych wł asnośc i ach:
cjonujący, zarówno pod względem jego wartości, jak i sposobu uzys ka nia.
Opisany problem wynika z faktu, że ide ntyfikacja obse rwacji odst aj ącyc h r(ii ) = ! dla ;; E L\ i'
nie była realizowana na podstawie rzeczywis tych w u rtości poprawek. Argu-
mentem w procesie decyzyjnym były bowiem tutaj ich e s ty mator y, wyzna- r(h i>::;1qv,j) dla tak ich v, ,vj ',fi\\1, że jv; [>\v,!
czan e z zas tos owaniem n eutralnej, a więc nie roz pozn aj ącej błęd ów g ru- Wówcza s
bych, met ody n ajmniejs zych kwadrat ów. J u ż wcz eś ni ej zwraca li ś my uwagę, w(v) "' p dla v E L\\i
ż e estymatory poprawek NK, nawet wob ec braku w wyrównywanym zb iorze . . . j ~ ; i
wdii . i) ::; wdv·I) dla ta kich V; . v)„ " l'l. v ) że Y; li > 1. i'1I.
obse rwa cji ods taj ącyc h , zachowują jedynie ge neraln e wła s no ś ci rzeczywi- -, j ' ' I
s tych błę dów pomiaru. Na poziomic w a rtości liczbowych nic mogq b yć jed- Nowe p wagi stan ow iące w a rtośc i fun kcji wagowej, tzn. wagi
nak z n imi w pełni utożsamiane (pomijaj qc ni e i s totną tutaj kwestię różni cy
co do znaku). Gdy wszystkie estymatory poprawek z n ajdują się w przedz ia le p = w( ii) = 1(\i) p (8.3)
dopuszczalnym 6.v, brak równ oważności międ zy r zeczywistymi wa r tościam i
błędów pomia ru i ich estymatorami nie sta nowi wi ę kszego problemu (p1·zy- są n azywane wa ga mi ekwiwalentnymi.
n ujmniej w kl a sycznych zada niach wyrównawczych). Jedn ak wówczas, gdy
w procesie de cyzyjnym poprawki s ą a rgumen tem obsenvacji do odrz uceni a
(co n a ogół prowadzi do p oważnej zmia ny w a rtości ostatecznych wyznaczeń),
:377
8.2. Wybrane funkcje tłumienia (
I
I dla vE (- k; k)
I lVt - k1.i
I
Fun kcja Hube ra I(\;) = ~ dla :;-;! E (k;ki,) (S .6)
.'·i·' ~;;< k -kb
~ '
F un kcja tłumien ia HUJlERA (np. 1981) jest fo n kej[\ o pos taci (dla V= via
oraz 01' =(-k: k ) )
.f Io dla H>k11
:„ l
l
dla i; Eo t~ i;
dla ii" tiv CBA )
fi dla YE (-k; k)
sl;:;1d wynika na s tą puj(~ca fu nkcja wagowa r :i;! -·k" I (8.7)
p = l(,)p = !( :...k ~„·-·--
- k·
'P
I
dla \Vi t:: (k; kb)
\ " J
- - f fi dla i; c 0.1' i';! >k;,
P "' i (1·)p '" 1o dla i.: E .:.\i:C (8.5) lo dla
· ·
gdzie k,, jes t liczb<\ usta la1ącą granice . . . przedziałów. Na ogó l
dodatkowych
Jest to wiąc funkcja "radykalna", przypor7.<.\dkowuj<1ca zerowe wmtości wag 'u j.C' s 1·„ k '"•I 6 Przebierr funkc11 tłum1ema Ha mpel a przeds tawia
przyjm · " " ·„„ · · <> •
wszystkim obserwacjom, których popra wki nic na leżą do p1~1.cdzi ału dla nich rys. 8.4.
dopuszczalnego (t.ak4 funkcje stosowaliśmy we wcześniejszym omówieniu}.
Przebieg fun kcji tłumienia Hubera, w porównaniu z funkcj<\ tłumieni a klasycz-
ne.i metody NK (w k tórej dla każdego i-': 1(1• )"' l). przedstawiamy na rys. 8.:3. 1(V)
t 1(vl
f
-k. o k
·--'" --
..
•. --
-
- I> ""'- -
V
(l
i e.V'
-k () '':"
k---~ IP- v"' -~ Rys . 8 .-1. Fun kcja l.lumi<oni:l ll arnpc l"
(J
Funkcja duńska ..
O"ólne własności duńskiej fun kcj i tłumienia są podobne do . w lasnos~1
Funkcja Hampela fi.mkcJi Hampela. Jednak tutaj, poza prz.edzi~łcn_i d_op_uszczalnym M;•. fun kcj ~
tłumienia maleje ekspotencjalnie. Pomewaz os v j es t poz10mą_ as~m_rtot.~
Ze wzgl ędu na ws kazyw an y wczes ni eJ margines błcdu decyzyj nego, tej fun kcji , w omawianym pn:ypad~u _nie m~ , ~otrzeb~ ~w odro'.'~1 ~mu <~d
a także niezerowe prawdopodobi eilstwa w odciętych „ogonach " rnzklad ów funkcji Hampela) wyróżni ania przedz1 ałow _przejsc1ow~ch 1 l Ch gra nic. Funkcja
prawdopodobie1istw, częs to przyjmuj e sic (o czym już mówiliś my ) mniej ra- tłumieni a i funk cja wagowa rnaj;;1 następugce postaci :
dykalne funkcj e tłum ienia (w porównaniu z funkcją Hubera ). Do grupy t a-
k ich funk cji nale ży funkcja Hampela (np. l-L\Ml'Et. 1986). Wprowadza się tu- dla i~ E (- k; k)
I
taj dwa dod atkowe przedz iały pośrednie (na lewo i prawo od przed zi a łu 1(ii) = { cxp{- / (lv!
.._,- k) 1.·} (8.8)
dopuszczalnego !\i; ), w których funkcja tłumienia r(v) w liniowy sposób dla
zmniejsza swe war to śc i . Funkcja tłumienia Ham pel a i wynikająca z niej
funkcja wagowa m aj ą nastę puj ące postaci: clla ii E (- k ; k)
(8.9)
dla
379
Na ogół, w pierwszych krnkach procesu iteracyjnego rozwiązującego za-
danie wyrównawcze przyjmuje się l =O.Ol +O. f, g ~ 2. Wartości param~trów f1cv
i
1J
steruj<~cych U, g) powinny być jednak dobierane doświadczalnie. Na przy-
klad, zie dobrana wartość I (ale także i g) zwiększa liczbę kroków procesu T(\i)= I
iteracyjnego rozwiązującego odporne zadanie wyrównawcze. Przcbie" duń-
skiej funkcji tłumienia przedstawia rys. 8.5. "' l
Korzystając z relacj i Pi= ;(~;;)p;, i -~ L „., n, ckwiw<ilcntnq macierz wa g P
dla zmiennych niezależnych można przedstawić w postaci:
P:
"'
-k o
------ 1~v
k „ -
v~-
V
a p,, 1
Rys. S.5. Duńska funkcja tłumienia
Diagonalne elementy estymatora macierzy kowariancji wektora V, tzn .
macierzy
', 2 · ·-I T > -l T
C.y=m0 [P -A(A IA J A I
8.3. Algorytm wyrównania odpornego
są kwu<lratami bł ędów średn ich odpowiednich estymatorów poprawek 1\.
(zmodyfikowana metoda NK) Okm:uje się jednak , że ze względu na istnienie błędów grubych, ml\vet
w przypadku prawidłowo dobranych wartości wag, można się spodziewać du -
Ekwiwalentne zadanie wyrównawcze żych wartości estymatora mit
wsp6łczyn nilrn wariancji cr1} (gdy nie zastosu-
Zadani~ w?'1~6wnawcze z zastosowaniem uodpornionej na błędy grube je się specjalnych metod odpornej estymacji, zn proponowanych m.in . w pra -
metody_ na3m.meJszych kwadratów można sformułować w następuj<,cej postaci cach DucHNOWSKH·:Go (2001) i W1śNir-;wsKrnco (1999b)). \Vyn ikaji1ce stąd
(w naw1qzanm do klasycznego, liniowego zadania wyrównawczego): zawyżenie wartości błę dów średnich m;; może znacz<,co zakł6cić identy fika-
cję obserwacji odstających { wartości s tandaryzowanych estyma to rów po pra-
V::: A<lx +L wek ~ = v! m,o będą zaniżane) . W celu unik n ięci~1 t ej niedogodn ości można
mmkl f11nkcj<J1!'1lny
zaproponować, oprócz teoretyc<mych rozwiąza1'i przedstawionych w ww. prn-
C
X
„i, "' O"<~ Q Xni> ""O'c~ p··I orygioJlny mudcl st;Uystycn1y cach, rozwiązanie uproszczone, polegające na przyjęciu oceny ws półczyn nika
-
C „„ =cr[jQ "" = aijP-
? - ? -- I
ckwiw~1lcn1ny nmdcl -i:r;1tystyc1.ny
(8. 10) wa riancji zgodnej z jej teoretyczną wartości<\ db przypadku, gdy P = c - ,;,„
m:n{e(d x) ~ VT1>v =
- X
yT [T(V}P !V}'"' Przyjmując zatem 1116 == I, :wstępujemy macierz kowariancji c,, macierzq
<lx
C;..,..(mo-- I) "'p -l -A(Ar PA)-l A T . Należy przy tym zdawać sobie sprawę , że
= yT [T(V)P] V kryceritnn w yrówu.:mia
jest to rozwiązan i e uzasadnione ty lko wtedy, gdy wartości wag są prawidło-
gdzie P=T(V}P jest ekwiwalentną m acierzą wag (C „ 1„ Q „1, -- ekwiwa- we (ze względu na przyjętq relację P = c-,'.;,
x
). Wobec takich założeń, wystę -
lentna macierz kowariancji i ekwiwalentna macierz kofuktorÓwJ natomiast pujące w funkcjach tłumienia t(vi) standaryzowane popra wk i można
T(V) jest następującą diagonalną macierzq tłumienia: ' w praktyce zastępmvać ich sta ndaryzowanymi estymatorami o postaci
ic.:l„„,!l (8 .11)
380 :381
Algoryt m (rys. 8.6)
racyjny. Krokiem st a r towym w tym procesie jest wyrównanie klasyc :mą
Ponicwai ekwiwalentna m:: cierz wag P = T (V)P jest zależn a od wektora metodą najmniejszych kwadratów, tzn. z oryginaln;;i m acierz;;i wag P. Każd y
sta~daryzowanych. poprawek _Y , rozwi<1~anie ~a?_a:iia wyrównawczego (8.10), z następnych kroków t.o także wyrówn anie metodą NK, jednakże z zastoso-
a więc wyznaczem e takiego d x, ie ,;(clx)= V 7 PV = min. ma charakter ite. wan iem ciągle modyfi kowa nych wag ( tł u mi onych funkcjami o wartoś ciach
oblicza nych na podstawie standaryzowanych pop rawek uzyskanych w po-
it., ,, - ( A ' P,\ ) - ' Ar l'L przednim kroku ). Iterację kończy t akie wy równanie, w którym uzyskane
wa rtości standaryzowanych po prawe k mi eszczą si ę w pr zedziale dla nich do-
V ·" ,\cJ .r + L
puszcza lnym (lu b dotyk<1j ą jego gra nic z p r zyj ętą precyzją e ), a wyn ikająca
c ,„,.~"" 'l ~ r · :\ ( A ' PA ) ·'A' s t ąd nowa macierz tłumi e ni a nie wnosi j uż „niczego nowego" do macierzy
wag (w granicach prz)~ętej precyzji ob liczeń ). Os tateczna macierz wag jest
m acierzą ekwiwa len tną, natomi a st uzyskane n a jej podsta wie rozwiązanie · ·
dla prz>1 .i~rcgo i' ust:llić warto ść k rozwii.\za niem końcowym . W ekwiwalen tnej macierzy wag, wagi odp owiada-
ornz [Hlc<lzia l dopu.< zcza ln y 1\ v " (·- k : k) jnce obserwacjom obarczonym b ł ęd ami grubymi n ie są j uż wagam i oryginal-
nymi , lecz wagami o wartościach zmniejszonych lu b, niekiedy, równych zeru
(np. jeśli po zast osowaniu fun kcji tłumi enia Ha mpela zachodzi !i;\>k b ). Zda-
czy dla ka~~d cg o i: \.i.;. 1\ V jemy sobie teraz spl·awę, że gdyby od razu była znana ekwiwa len tna ma-
--~~-k--·-- -----i---~~---······ cier z wag, od porne wyrównani e metodą NK niczym by się n ie 1·óżni ło od
wyrównania klasycznego. Trudno jednak a prio ri ustalić, kt óre z obserwacji
są odstaj<\Ce, a tym ba rdziej, jakie należy przyporządkować im ekwiwalent-
ne błędy ś red n ie pomiaru, czy też wprost -·· ekwiwalentne wagi. Wcześni ej
wskazywaliśmy, że dowolność w tym zakresie może prowadzi ć do poważ
~\'. 1•'') :.:. I'
nych, negatywnych konsekwencji.
f C~!~r•. ~•1 -:: Ć\·111: „u
„. . ........... ..
... Przykłady
r
stolić !:'"'.'i~~-;;;:i;;;;~:yd1 Jlrmliio~
= par;1mcnow sicmj:'\<;ych; I
hiiczyC wartoSc i fu nkcj i lł u rnicnix _ Przy kład 8. 1
1-,w l.1(vj1li... .. 1( ;:,~1l) ·-• T(vc1>) W cześn i ej, jako il us tracj ę t.eor etyczn ych za łoże1'i, wyzn a c za li ś m y średn i ą
czy z prccyzj;, c
db k:lżdcgo i: \., 6 \.
dx = cl((.I G
R o zwi <\ zanie
lak nic
y,„y ł1) Zgodnie z proponowanym a lgorytmem, eta pem wstę pnym (a być mo że
r ~ rw ost"tn im) jesl klasyczne wyrównanie metodą najm niejszych kwadra tów.
Choci aż wiadomo, j a kie jest tutaj ro zwi ązanie (średni a a rytmetyczna), t.o
jednak obliczenia przeprowadzimy zgodnie z ogólnymi znsadami wy1·ównania:
Rys. 8.6. Al ~:orytm o<lpornc.:o wyrówna nin z zas t osowa niem met-Ody N}{
382 383
Etap wstępny (przyjmujemy x 0 ~O) stwierdzamy, że 2 spośród nich ( v1• v4 ) nie należą do przedziału dla nich do-
puszczalnego. Klasyczne„ wyrównanie metodą NK stanowi więc t u taj jedynie
ub +VI :;: X o + (X
I 'I•
krok „O" (krok startowy) w procesie iteracyjnego rozwiązania odpornego zada-
XI
nia wyrównawczego. W funkcji tłumienia Haml?ela, opr ócz k, jest koniecwa
ub .
X2 . . ,. . v2 == x O -r• d X i;' jeszcze wartość kb. Przyjmując kb = 6 oraz v <0l =V, p<OJ'"' P, obliczamy:
s kąd: A=
ub . O . ( _ wartości funkcji tłumie nia
x 3 -rv3 = x -rd.'( t
v&
'·I + V.1 : : X + dx j
o I i -(0) 1 k
i--<o> ::I E (k ; k1) c(v
···(lll 1v1 1- 'b =0.92
) = ··--------- -
jVl :;: VJ \
l k-k,,
r o.25 --(0)
(v2
:: .
=v2) E ó.v _„ t(vi 0 >) = I
-.,,I
,,,-
='I 0.25 0.25 (v}Ol
.>
= ~1)
.
E L\V -> c(vi0 »= 1
.,
ut„
l 0.25J lv(O}l -kb
(1
!- .( 0) -- V.i_
::: I E (k·,k1,> ->
- (U)
·
; •I
t(v 1 ) = ------ · - = 0.20
k - k„
• • t I T • Il • -· macierz t łumienia
dx ~ dx = -(A PA) - A PL =5.0 (x=x +dx = 5.ll)
l
4.0
V:::: Ad'( + L = 30
· „ (()) )
=[0.92 1
. 2.0 I ( VJ
- - - - ·- - - - - „- - -- - - - - - - - - ··-- - - -- ~ - - - - -- - ------
?
111::
"I
') krok 1.
m::
j
COY
\.'2
COY 0.230
p O> = T (V(O) )P(O) = 0.250
0.250
[
0.050
Pr;-yjr~ijmy, ie r= 0.95,
2. Przedział dopuszcza lny L\v ma zatem
skąd k""
= =(-2; 2). Po obliczeniu wartości standaryzowanych esty-
postne_ l'lv (-k; k)
matoro w poprawek
3.066 cov
::: v? 3
1.801
V2 :;: ---"- = JJ„ = 1.73 E ÓV
c<I) = 2.1rn
'"Vz y <IJ = Ad(!)+ L = 0.80
-0.20' V (mo=I) 2.718
X
[- 11.22 [
COY 18 .599
384 385
krok 3.
v·-'l) _,I
r 0.62
1.621
··(I) _ -0.20 _
V~ - -:y 2_/IX
O J'J
- ·- . - E llll
_
0.25
0 .25
1 ' - 0.37
' 0.038 I
_- 11-37
iiv-OJ:.
'E ('"
·l ;
k )
"· /1 ->
Diag(dv' l( -- Jl) = (3,{)46, 2.699. 2.699, 24.740)
mo ·-
11 ;; Ol = -~ = 0.93
T(V(I)) =I 1 .,/3.046
L 0.85J
1 ···Ol 0.62
\12. ::.:: "J2.699 :-:::::
o._~g
)
0.250
~: ') /.)9
m_ 1.691
o.69
'1 ./24.740
OJ d (2) V --
rL
0.250 X -·" , -0.31 T (v<J >) = Diag(l, 1, l, 0.93)
-11.31_ --- -- ·- - ----- -- - ---· - - - -- ~· - - - ··- - --·- ·-- - - · ·- ~ ~~ - ~-· ~ - -- -- -
krok 4.
przekątniowe elementy macierzy 2
c\V(mo=I)
) :
0.25
0.25
Ij' y <·l i =
- 1-581
D.58
- 0.42
v<2)
2
= _ o.69 = 0.42 E ;\v
J2.706
-(4)_ 1. 58 - 09 1
vl - - ·- -- -
vS 2 l = _--o.J 1 = - 0.19 E t.v J3 042
·' J-2..706
\;(l)
4
= -~
../22.070
= --2-41 >" L\V, .i•. v.(1l)jl. E (k: k1 1 ) - •
·-- (4 ) - - 0 .4 2 - -O 'J5 E L\i; ---(•I) . 1
V3 - -~)2_ 6 9 4 - -~
-> 1( 1'3 )=
387
386
-- - - - - - -- - ~ - --- - - --- - - - - -- - - ~ - - - -
krok 5. -- (6) _ _~=-2. I !
v,i - v'29.55'J
ro.230
p<S) = T(V(~) )P< 4 > =I
l
0.25
0.25
0.034j
l d~~) = 2.56, y (5) =['
r 1.56]
0.56
·- 0.44
krok 7 .
-·-- - - - ~
T(VC6 l) = Diag(I, I. l. 0.97}
j
- I l.44
k - k„
krok 6.
0.25
0.25
l .
y(6) =
I54]
0.54
- 0.46 ----- ---~ ---
T(V( 7l) = Diag{I, I, I. 0.98)
_ _ __ _ „ ___ _
- - - - ·- - ·· - ·· - -··- -·· -- „-~ ·-··- -·
0.032
r -11.46 krok 8.
l.51.
Diag(C~lmo=I» = (3.036, 2.688, 2.688, 29.553)
(S ) _ 0.51
(ll) =? ' l
o. 88 0.25 ·1· ll ."( -·o.I l V - - 0.49
-· (6) -
VI
1.5·1
- -. /J.036 -
-
Eto.ii -> »
r(v/6 = 1 0.25
O.G31
[
- ! 1.49
o 33
r<vi »=
··(6) - 0.5·1 -
v 2 - :/2.688 - ·· E Cl.ii -> 6
1
Dian(d8 l
b V (mo = I)
) =(3.033. 2.686, 2.686, 3 l.048)
-(6) - 0.46
V3 =·:ru;gg = -0.28 E ÓV -> t(vj 6
>) =I
2.688
ii(8)
!
= - 1.51 = 0.87
JJ.033
E óv -> /( ··(S))
v, -- I
388 389
_.,. v 2 ) -- I
t ( -·18)
mi= 1.4
-; (Sl - -.(H9 - ~o
~:; - h.686 - - . ..>
o E L'.lv
a stąd
_, .. dnie wyrównanvch wyników pomiarn
~- .
v (S) =~ ::: -? 06 Eti.v, 1'i;.<1
3
>!iE(k·, k,,) -~
Macier z kowariancji wyrównany.eh obscrwacjil~al p~st~lc
" J31.().18 -·
dopu szczalnym .1ii lub „dotykają" jego granicy z precyzją: Jv/8 ) - ii/7)1<0.07, -
J[Ę"1„.. = fi.
- ·
skąd dla kazdego
. .
i : m.t; -
- ') 072 = 1.4.
' .
więc 8. krok kończy proces iteracyjny (w przypadku większej precyzji wpro- . . bł d 'rednie po wyrównaniu klasyczną metodą i'-IK maJą
wadza nia poprawek do przedziału dopuszczalnego, np . e =O.Ol , iterację koń Dla porownama1 ę Y s
czy dopiero 11. krok). Zatem wartości (dla mo
= 9. i 667)
1.5 1·1
0.25
0.25
o.o3j
l (/• X --· d<Sl
X -- "~ .-'i I•
v =v(Jl> =
[
o.s i
-0.49
- l 1.49 J
(0)
E
E
óv
Ó.V
-
-+
t (v~O)) =
t( \i (O) )
'.I
=l
l
V3
1?~1.~L5re<ln i wvzna.<:;.~oncgoJ1.1!IT!.!!1Ctm (błąd średni średniej a rytmetycznej)
voil_k,
! 4 \
Ponieważ układ równań obserwacyjnych zawiera tylko jeden parametr, c(\i(C>l) -:=
I
: ...- -·-·-··-· =O. 1I
1-(0ll ( k;k11) ->
wię c macierz kowari ancji wyrównanych para metrów jest sprowadzona do V4 i E 4 k - k1i
skalara o wartości
391
390
·""'•..";··
~„t
\"~
- macierz tłumienia I
'
0.9 1
T(v 10l) =
krok l.
An a lizuj ąc wcześ niejszy proces iterncyjny, m ożna zauważyć, że iteracyj-
na wartość standaryzowanej popra wki •;·.:Jl dążyła z prawej strony do gra nicy
p(l) =T (V (O»p(O) =
0.228
0.250
1 przedzi a łu dl a niej dopuszczalnego ( w tym samym czasie jej nic s tanda ryzo-
0.250 wany odpowiednik v,\11 , „udając" błąd gruby, o ddalał się od tego prze<lzi<1łu).
[ To zbliżanie było coraz wolniejsze, w istotny spos ób prze dłu żające proces
0.028
iteracyj ny. Natomias t w iteracji szybkiej interes ująca nas popraw ka już
w pierwszym kroku, podobnie jak pierwsza poprawka w każdym z omawia-
d_~J = - (A T p OJA) - I AT pOJL = 2.47
nych procesów it e racyjnych, wesz ła do prze działu ~~;- W t en s posób m a-
cierz tłumienia stała się mac ierzą jednostkow[I, i n ie zmieniaj ąc ju ż wa rto-
y ( I) = Ad(I) + L =-
i.47]
0.47
ś ci wag s tabilizowała uzyskane wyniki. Szybkie wprowadzanie poprnwek do
prz edzi a łu d opuszczalnego wi ąże się jedn ak z ryzykiem „przesady" w t ym
zaki·es ic. Standaryzowana pop i·awka, o nadanym jej p1·zez s il ne tłumienie
X
[ - 0.52
wagi ndużym potencjale", może bowiem w s posób n ieza służony zn a l eić się
-11.53
gdzieś w głębi przedziału , i w ten sposób istotnie deformow ać wyniki wy-
równa nia. W zastos owaniach funkcji tł umi e ni a, w ty m tak że fun kcji Ha m-
·3.054
c<11
V(rr'<J:ol)
= 2.678 cov J pela, należy zatem s zcz egó lną uwag ę zwracać na w ła ściwy dobór warto ści
pa rnmetrów stcrnj<\cych.
2.678
[ Przykład 8.2
cov 34.392
Stos ując duńsk<\ funkcję tłumienia, ponownie wyrównać sieć z p1·zykladu
- (I) 1.47 5. 1.:3 (rys. 8.7). Pi·zyjqć te same ws półrzędne punktów stałych oraz takie sam e
v1 .::: J_ = o.84 e .1v -> t(v?»= I s, (\
3 054
- (I)
v„ =-h 0.47
-- = 0.29 e Av- (IJ
S,"
- .678 o -> t (v2 ) =I
- ( I) - 0.52
V) ::: fi.6 78 = - 0.J2 E ÓV
- ( I) _ -11.53 _
Y4 - r.;-- = ;;;;-l.96 E ÓV
v 34.392
'--- - -- -- - - - --> y
Ry,;, 8. 7. S ieć 7. grubym błę dem pomi;iru
392
'" ·
.··.·~.·
..
·t1
„
Rozwiązanie
Ponieważ wyniki pomiaru odległości d 1 , d,, d 3 s<:i, takie same jak w przy-
= [ 4587.2 - 222.7]
~. , ~
-> m :( , = .J45ii.i =68 (rn m)l
= l09 (mm)
kładzie 5.1.3, przyjmiemy wyznaczone tam \Vspółrzędne przybliżone punktu ' z, . _, m ;io(Z)
Z. Umożliwia to przepisanie macierzy współczynników :\ ornz, ze w zględu na
- 222 .7 7Yi8„> ( )2 - t my·
. m Z
= J134g_3 =86 ( mm) j
takie same wartości błędów średnich pomiaru, także macierzy wag
I wm_ś_n_i_CJ_·:_/m.Yz
_l_':(_z-_-_= 9'_ (mm)'}--> m
l
-0.0267 „ ,<Z) = 12 ( mm)
0.01771 r0.0156 1
(mm)
- 0.0288 0.0000 li - 0.0044
A= ,P- I ------·
-0.0263 ·· 0.0!761 0.0044 1
r-- 59
I ···-··-'- -'
WczesDJCJ: „:. L=
r-·21')·1
tów można by wn;cz sądzić, że o błę dach gru bych nie może być tut aj mowy
(pe wne podejrzenia s ugeruje znacznie różniąca się od jednośc i wartość
wsp ółczynn ika m 0 '" 9.4, ch ociaż, j a k wiemy, może t o także wyni kać ze złego
wagowa nia, i nie mieć nic wspólnego z błędami grubymi). Taki s p osób w ni o-
T -
t
! 38 skowania nie dotyczy j ednak standaryzowanych es tymator ów poprawek ,
I 187 k tó1·c , jeśli z przyjętym prawdopodobieństwem opisuj ą losowe błę dy pom ia-
L..__ -------~~~~:_ ru , p owinn y znaleźć się we wspólnym dla nich przedzia le dop uszczalnym
Etap wstępny 1'.> i' =(- k; k).
Wyrównując aktualn e wyniki pomiaru klasyczn ą metodą NK, uzys kujemy Przyjmijmy, podobnie jak we wc zesnic1szym przykładzie, Że Y"' 0.95.
W ówczas k ~ 2 oraz L\i·, = (-2; 2). W celu ustale nia, które ze sta nd ary zowa-
nych e s tymatorów poprawek mogą reprezentować błędy grub e (nie należą
• ·1·
dx =-(APA) - APL ='
I 7· [ - 179]
li
<mm)
-
Id I
= tzj
L (
.....
lz
.l
l
c, -I T -1 T - 34 .6
• ' -391
81 ' 15
C·
V ( mo=I )
=P -A( A PA) A =
- l0.0 --59.0 15 1.7 - 69.7
V =Ad, + L =
- 105
wcz eś niej: V -o:
r
-1 5 r 22.0 -- 38 .3 - 69.7 6 1.7 (mm)?.
1
pr;,ypomnijmy: 1(\i)"' { .· - · „
cxp{-/(iv!- k )~] dla!vi> k
--(0)
(v 2
=
= v2 ) (<' L\v -> 1(i!
(O)
) "" cxp(-1(6.3-k)·'" }= 0.69
2
0.999
- macierz tłumienia
0.897
---- - - - - ---- - - - - - - - - - - - - - - ~
0 4 krok 2.
r ( v·-2(0)) ·1 0. 69 j"
[ 0.43 0.0021
1
1(v,i0J) o.os r'" oT(V"'w"' = .
0.0030
0.0019
j
•
d (2)
X
= [ -1 65.6J
94.6
r 0.00050
396
. . '
i
.
-4"- ·-1
?l v,j3l =-4. I co ~v -> r(~'.f' »=cxp{ -t(4. l-k ) g l "' 0.9J7
y (2) =
„„ „
---~ l I
!
T(V( 2l)= Diag(L I. I, 0.91 7)
[ 23.7j i
·- 183.7
. (') 0.0021
D1ag( C V(mo=I)) = (4 14 .7. 269.4, 457 .7, 1910. 7)
p C-11 = T(yDl )P(3) = <l.0030
o.oo 19
d
(·Il
V =
jr- 169.
L
l]
rc-<'1
v 1 ~ ) ::: cxp( -/(2. 1 - k)..
„ 10 1.9
·- (2)
V! = - 2. I ~.'I V -> ·~ ) = 0.9999 [
·· ('.!)
\.':! = l.J E t~ v -> r(iiiZ)) = I
- 37.S
il! Zl ::: l. I E l:.F -> r(iif2 l) = t 20.9
.>
"
y (•I) :::
Diag(C~;i111o= ll) = (4 1 4.7 , 269.4, 457.7, 23 14. 2)
18.6.
v·('.?.)
·I
=-4,·- <l L\ii ---·> r( vf>) = cxp{ - /(4.2 - k) x) = 0.984 -191.5
v,
„. (.i)
= - I .8 E 1~v ··-1 ("·( 4 ) ) -
I "1 -
I
0 .0030 4
d (J) =[- 167.5]
·+ Il ::;:
\12 l.3 E L\\i -> r(ii~ l) = I
O.OO 19 X 98.5
0.00045 J v~4> = 0.9
·'
E ÓV --) c< 4 »-1
( V3 -
-39.8] ···(4 ) -
v,s - - 4. o <" L\v -> r(v,l 4 »= exp(-/ (4.0 - k )il l = 0.020
v <3> = 2 1.5 . cm
Diag( T(\i( 4 l ) = Diag(l, I. l, 0.020)
V(nro=ll) ==(4 !<1.7, 26<>.4, 457.7, 2 114. !)
[-187.9 21.0 .
krok 5.
i:?>= - t .9 E /~V -> r(v?» = 1
l
0.0021
··· (1)
v2· = 1.3 E l\v - > l (iii3l) = I I„
p(5) = T (V(4) ) P(4) ::: 0.0030 ]· • ;:: - 191.2]
cl (5)
·· Cl)
o.oo 19 X 147.9
J.0 E .1\; - > r( ii°fl l = l
"3 : 8.2 · l0- 6
:398 399
'f..,'•
y(5) =r
-9.8]
12.5 Dia"(c<S> ) =(4 14 7 269.4. 457.7, 1? 1!)4().l.))
I dobrze (ze znakiem przeciwny m ) „odkrywającą" założoną wartość błędu !,{l' U-
bego (250 mm ). Natomiast ostateczne wynik.i wyrównania S<' w istotnym
stopniu zbliżone do tych , jakie uzys kano w przykładzie 5.1.3 (bez błędu gru-
- 13.4 . " V(mo " l) · · • -
bego). W realnych sytuacjach wartośc i błędów grubych nie są zna ne. Przed-
l-240.5 s ta wio ny przykład uświadami a zarówno praktyczny sens zastosowania od-
pornego wyrównania, jak i s t osul1kowo pro s tą jego realizację (w przypadku
vi 5> =-0.5 E óii ->
151
r(v 1 ) = 1 wybranej klasy metod odpornych).
-·(5)
v2 = 0.8 E ÓV ~ r(vi5 >) = 1
vj 5 ) = --0.6 E ;~ii ~ r(vj5>)=1
o0021
jest
p = p<5)
~kwh~alentną macierzą
rozw1ązamc:
=
l 0.0030
d
X
=<l(S
X
)=[-191]
148 '
V = V(.5) = -101
12
- 13 '
111 0 =0.9
(mm)
l -?4()
- (111111)
400
•.:. . „
'f -"
.: ·,~.'. ' '
jest maci erzą osobli w[\. Nie isEni eje wówczas jej kl asyczna odwro tność ,
pods tawie tych wspołrzędnych oraz wyni ków pomia rn , są ob licza ne w~pół a tym samym w rozwiązaniu d x = --A i(piL uogólniona o dw ro tność Aifr>
l~zęc'.nc, p.~·zy.bli~one (,:i~. Y~;_) punl~tu 7.3' a ta~żc współrzo<lna Y2 , punktu z". ma postać
„
I _orne~\ az ist~w.rą obs e1wacJe nadliczbowe (j "" 1i - · ~ 3, przy /1 "7 6 obs enva-
CJa~~ 1 r '"_-' n1c\~iado~ych: współrzędnych l'z 2 , X z 1 , Yz,), więc istnieje możli
wosc wyrownarna troJk<\ta frys . 9.1 b). Polega ono n.a wyznaczeniu takich
estymatorów przyrostów ( pn;ypomnijmy, jeśli d == 0, to f?(A T PA ) = r. i istnieje ( A r PA )'" 1, zatem wtedy
Ai(ri "" ( A T PA)- I A TP). P r zypomnij my także, że jeśli R(A T PA ) = ~~-::,~~:__;!,, to
" +
Sieci o niezerowym defekcie całkowitym wyrównywaliśmy dot[\d metodą <l x =-AMNL
warunkową, stosując kryteriu m optymalizacyjne min {,; (V)= VT PV }= yT py, stanowiący rozwiązanie sprzecznego ukł adu równ ań Adx+ L =- O, spełnia
VE<I•
własności
cri ::.~ {V: BV + L\ = O } (rozdz. 5.2). Takie wyrównanie, pol egające na wyzna-
402 403
-~
- . ·.·
'1
I
I a) sicC gcodt:zyjna
z,
z,
jest t akim rozwiązaniem układu równmJ. poprawek, że
yTpy =min
z
- I
Powróćmy
teraz do omawianego przykładu. Otóż jeśli przyjmiemy, ze
w swobodnym trójh\cie we ktor d \' = (d \'.
. . . , Z1
dy.
Z1
d \'
. Z2
dy.
Z2
d
X z _;
d
Yz·1
lr
Jest nieznanym wektorem przyrostów do przybliżonych współrzęd nych
wszystkich punktów oraz ż e Px jest diagonalną macierz<\ wa g tych współ
" (>, r =·• <i , d "" J
rzędnych, to własność d~ Pxd x = min można przedstawić w następ uj~\cej 11 ;-;.; 6 r
1
=-=- 3, d ::..: O
ci"~\
szczegółowej postaci:
/ . , li ·- „+ d c.' 3
/ •.• li-·· /" +
ći x =- A;rx L, polega więc z j ednej s trony na wyznaczeniu t a kich pnyro- 'Wyrównanie s wobodn e , oprócz opt ymalnego wp a sowani a s ieci wyrówna-
nej w sieć p1·zyb!iżom\, pozwala także na uniknięcie subiektywnej oceny do -
s tów dx . że ~ (cl x ) = VTP V "' min (tak jak dotąd), natom iast z drubriej - kładności położenia punk tów w sieciach s wobodn ych . Jak już wcześniej
wskazyw ali śmy na przykładzie siec i geodezyjnej w układ zie (X , Y), w kla-
na opt ym alnym (w sens ie kry terium J;~ Pxd x =min ) w pa s owaniu s ieci wy-
sycznym wyrów na n iu de fek t zew nętrzny jes t eliminowany przez przyjęcie
równa n ej w si eć p r zybli żon ą, przy czym rola poszczególnych punktów s iec i jako stałych odpow iedn ich współrzędnych wyb ran ych pu nktów (lub wspó ł
p_rzybliżonej w procesie optymalizacji może być s t er owana (regulowana) ma-
rzędnych jednego punktu i a zymu t u dowolnego boku s ieci). W swobod nych
c ien: ą wag Px (rys. 9.l c).
sieciach niwela cyjnych d, = l , z czego wynika, że układ współrzędnej Il jest
jednoznac::r nie de finiowany przez przyjęcie wys okości tylko jednego z punk-
"•'.i„.,:.·
~-·.,,
tów. W ten s posób jest. definiowan y lokalny układ współrzędnych , natom iast. !
pomimów, a więc ta kże sąobarczone pewnymi błę dami . Na ogół dokładnoś ć
wsp ółrzędne go definiujące są w t akich rozwiqzani ac h wielko ściami s tałym i
współrzędn ych takich punkt ów nic ma istotnego \"·pływu na dokładn ość wy-
i nie podlegają wyrównaniu (przemieszczeniu). Oznacza to, że niektóre znaczenia nowych punktów. W rzeczy;vistości, niektóre z p unktów stałych
z punktów sieci dotąd swobodnej, odgrywając rolę punktów stałyc h (lub mog<\ jednak wykraczać poza deklarowane przez odpowiednie parametry do-
częściowo stałych ), są traktowane w sposób szczególny, przy czym wybór
kladnościowe obszary dla ni ch dopuszczalne. Takie punkty będziemy nazy-
takich punktów jest, w zasadzie, dowolny. Rodzi to problem niejednoznacz- wali od st:ijącym i punktam i dostosowania. Tiust.rują c ten problem, przyjmij-
nej oceny dokładno ści położenia punktów. Zauważmy bowiem, że błąd po ło my, że w p nykładz ie 5.1.5 inżynierski m zadaniem j est wyz naczenie
żeni a punktu wybranego jako stały jest równy zeru. P odobnie, odpowiadaj ą w s pół rzę d nych pun ktu 2 l, powiedzmy z taką do kładn ośc i ą, a by bł4d położe
ca mu elipsa ufności jest zredukowana do punktu lu b odcinka, gdy założono nia tego punktu był mniejszy od 10 cm (mP" < 0. 10 m). Ufając, że błędy
stałość tylko jednej ze współrzędnych . Tę sam ą sieć można jedna k wyrów- położen ia punktów stałych (U, 20, W są odpowiednio mniejsze (n p. m;XJ < 0.02 m),
n ać ponownie, przyjmuj ąc inny punkt jako s t ały. Wówczas ten poprzedni wykonano pomiary k ątów i boków z dokł adnośc ią wystarczaj ącą do osią
otrzyma j akąś elip sę ufnoś ci, natomiast aktualnie wybrany - tym razem " nięci a p rzyjętego celu. Niech w rzec zywistoś ci, na skutek różnych powo-
jest „b e zbłędny". W takiej sytuacji trudno więc fo rmułować obiektywn e dów (np. nierzetelności w ana lizie dokładności sieci, do której należą punkty
wnioski o dokładnoś ci p ołożenia punktów sieci, rys. 9.2 (są metody oceny stał e, naruszen ia st a bilizacji tych pun kt ów, itp. ), któryś z nich leży daleko
obiektywnej, lecz dotycz4 one elips ufności pewnych funkcji, niezmienni- poza odpowiednim dla niego obszarem ufności. Nic mając o tym .w iedzy
czych wzgl ę dem układ u współrzędnych, np. GAżDZICKJ 1976). i prowadząc w „dobrej wierze" proces wyrówna nia, a więc dostosowuJ~C wt
Wyrównanie swobod ne m ożn a znstosować nic tylko do wyrównania swo- niki pomiaru do warunków narzuconych m.in. pr zez punkty stałe, w 1stoc1e
bodnych sieci geod ezyjnych. Tra ktuj('.\c ten sposób optymalizacji w szerszym możemy pogorszyć r ezu ltat y bezpośrednich pomiarów. Na rezultaty wyrów-
sensie, można także , o czym będzi e mowa w rozdz. 10, poszukiwać odstaj <\- nan ia b ędą bowi em miały wpływ nic tylko błę dy aktualnego pomiaru, lecz
cych punktów dostosowania. takie niedo puszczalne, błędne po łożenie odstających punktów dostosowan ia.
Wspó łrzędne pu nktów stałych (punktów dostosowania ) w d owi ąza nych Na podstawie uzyskanych wartości (szczcg6ln.ie dotyczących an a lizy dokład
s ieciach geodezyjnych s<\ wyzn aczane na podstawie jakich ś wcześn i ejszych ności ) oraz wobec braku wiedzy o rzeczywistej ich genezie, niesłusznie bę
dziemy sąd zi li , że to właśnie wynik i pomiaru nie spełn i ają wymaganych
k ryteriów dokładnościowych , czy też , że w ich zbiorze istnieją obserwacje
ods tając e . Tak ie błędne rozpoznan ie mo że mieć kons ekwe ncje e konomicz-
no-techniczne, po l egające na p o djęciu decyzji o ponownym pomiarze z uży
ciem sprzę tu o wyższej dokładności , co bez odrzucenia odstających punkt.ciw
dostosowania w dalszym ciągu nie r o zwi ąże zai stniałego problemu.
(9.2)
spe łniający kryteria
yTpy = min )
·r . . (9.:3)
(X.)') - punk t o stałych '"l>Ółrz~dnych .\',Y
d x l'x d x =min
(.l;) - punkt o stałej wsp ńłr1.~<l ncj X
( )) ·• punkt o s takj w;11ółn~dncj Y
Rys. 9.2. Ilustr acja niejedno1.llacznej oceny dokładności położen i a punktów w .~icciach • Ń·~ po:tawic m.in .: Mn-rrnM,w;:n (19721. Pt:1.:a:n (1980), P1:1n:1.Mtrrl:R (1979, 1980), P1tós7.YNs1<1
swob o cłnych ( 1981), Wo1.t• (1972, 1979).
406 407
Stanowi on alternatyvvę rozwiązania
(ponieważ s E 3\'"", R(-:=.) = 11 , więc :::: jest nieosobliwa i istnieje 2 · 1). W na-
wiązaniu do oznaczeń z rozdz. 1.4 oraz przyjętej tam struktury macierzy A
(gdy nie występuje defekt. wewnętrzny, np. defekt skali, czyli, Że zachod;.i Px12
d = d0 ) . W wyniku tej eliminacji powstaje macierz A IE <Jl"·", o rzędzie
0
Zatem
R(A 1)=u, a więc macierz kolumnowo pełnego rzędu (tyle samo jest elimi-
nowanych odpowiednich niewiadomych w wektorze przyrostów d x E 3\' ·1 •
przez co powstaje wektor d x1 E <J\ 11 • 1).
Ze względu na przedstawioną powyżej możliwość zastąpienia sieci swo-
bodnej siecią „stabilizowaną" w układzie współrzędnych, a następnie jej kla- (9.7)
syczne wyrównanie, wyrównanie sieci swobodnej o rozwiązaniu (9.2) będzie
my nazywali wyrównaniem swobodnym. W takim ujęciu wyrównanie
swobodne, o czym już mówiliśmy, ma szersze znaczenie, i niekoniecznie
musi dotyczyć tylko tradycyjnie rozumianych sieci swobodnych. Na pewne
cele, np. poszukiwanie „odstających" punktów stałych {na co także już
wskazywaliśmy), można bowiem „uwolnić" sieć dowiązaną, i gdy po takim lub (tak jak w rozdz.1.4)
zabiegu będzie ona dalej wyznaczalna, tzn. gdy pozostanie d"' '= O, obl iczać
również przyrosty do współr.lędnych punktów, dotąd traktowanych jako stałe.
Na podstawie rozdz. lA, g-odwrotność A;„
przedstawimy w następuj ą-
Px 12 ][Q11
-
]-;;--·ł.a T1 1, -_
T -
cej ogólnej postaci: x
Px22 Q 12 _
+ (9 .8)
Al'Px =Px--1 A T ?A(A T I>Al>-X! A T I>A) - A T I, W.5)
przy czym
gdzie
OJ E rur
:J\ .r
(9.6)
o :::: =01 1Q 1, +012QL
oraz
gdzie 2:E ~li''·" jest wydzielonym z osobliwej macierzy ATPAPi( 1ArPA o rzędzie
u blokiem o tym samym rzędzie, czyli o rzędzie R(S) ::: R(Ar PAPx 1AT PA)::: u
408 409
···<.·.r·:-~!l. ... ,,- -~-;-:_ :„
·<· -
~
. -~
T • T
Uogólniona odwrotność A~Px o postaci <9.8), zastosowana do rozwiąza A PAdx + A PL = O ~
··1
nia sprzecznego układu równa1'i Ad x + L = O, gdzie m acie rz współczynników .·1
A jest ni epelnego rzędu, pozwal a na spełnienie kryteriów ( 9.3). Oznacza to, i
że odwrotność A:,P (podobni e jak i in ne warianty g-odwrotności) wynika l
X
z rozwiązania pewnego problemu optyma lizacyjnego. Problem ten, który
w i nteresuj ącyc h
nas tutaj zagadnieniach nazw iemy zadaniem wyrównani a
swo bo~nego, można przedstawić w n astępującej postaci {np. Wot.F 1972.
1979, SWl,\TEK, W !SNIEWSl<l 1983): .
tub, po wymnożeniu, przedstawić w postaci układu dwu równań macierzowych
T ' T • T
A 1 PA 1d x +A 1 PA 2dx 2 + A 1 PL 0 =0
1
~ (11 r<iwnań)' t (9. 10)
T • 1' • 1'
A 2 PA 1d x +A 2 PA 2<l x 2 + A 2 PL = 0
1
.>" J
<-· {ci równan
(9.9)
Równania drugiego (* ") z tych układów {w liczbie .d) są kombinacją rów-
nań tworzących układ (*}. Właśnie d latego rząd [R(A rPA) ::: 11 ) < r i macierz
1'/ PA E 9\ r.r jest osobliwa. Wynika stąd, że jeśli wektor niewiadomych
J =tciT JT { spełnia pierws zy ukł ad(*), to musi spełni ać także i rów-
Wektor takich przybli żonych parametrów xo, że X = xo + <lx, będziem y x X1 X2
w celu zachowania ogó lno ści przedstawianych dalej rozwiązań traktowa li nania drugiego układu (**). Pozwala to na zast<i,pienie układu dwu równań
macier zowych (9.10} tylko pierwszym z nich , tzn.
jako zmiemH\ losową o ma cierzy kowariancj i Cx 0 =aJxQ x 0 =a5xPx 1
(w niektórych sytuacjach macierz wag Px lub jej niek t óre bloki ni ekoniecz-
nie muszą być zwi ązane z modelem statystycznym, i w tym węższym sensie
także odgrywać rolę regulując<\ proc~sem optymalizacji z zastosowaniem
-r - = min).
kryterium dxPxdx
Rezul tat em poszuki wan ia minimum funkcji celu ~(d x) =yTpy wzglę
dem lłx jest, jak wiadom o, układ równań normalnych
To jedno wybrane równanie ;mpiszemy w następującej postaci;
T , 1'
A PA<lx + A PL = O
gdzie;
~ Ild x + A = 0 (9.11)
411
410
r·.
~1
j
Kontynuując rozw iązyw a ni e problemu (9.9), po wyznacze niu t akiego Zwr óć my teraz uwagę, że
JX . że s(d X)= yT PV =min. form ułujemy następne zadanie, które jes t do- -·! .,. i\11
>:„
datkowym (w porównaniu z klasycznym zadaniem wyrównawczym) proble-
mem optymalizacyj nym, r egulowanym macierzą Px. Problem ten ma postać
BPx B =(Q11 Q 12l
r
I X12
B<lx +ó :::O .
T } ~·r . (9.12)
min {~ x<d x) =<lxl\:<l x =dx Pxdx Jl
dx
i n awiązuje do, zn anej nam dobrze, metody wa runkowej. Is t otnie, ponieważ (9.17)
1=IQ l !
B = [A{PA1 E91"·" A rp \ 0•11.rl . Zatem
! I 2 E J\
'
dx =-Px I B T :::: - I A1T PL= - Ai·i>xL
·•
(9. 18)
Estymator wek tora po prawek uzyskujemy tak jak w rozwi ązaniach Jda-
o zbiorze rozwiązań dopuszczalnych <!> ={d x : Bd x +A = O}, zastąpimy proble-
sycznych, n a podstawie mode lu funkcjonalnego V == Ad x + L. Zatem także
mem wtórnym
i tutaj
1~infox,.-(<lx ) "'~.ddx ) - 21<T(Bd x +M} =d'.~ Pxd x (9. 13) V= Ad x + L
.Y
lub
bez ograniczeń, przy czym K e 9t"· 1 jest wektorem ko relat. Rozwiązaniem
prob lemu (9.13), podobnie jak w metodzie warunkowej, jest estymator (9.19)
gdzie tym razem
1
dx = Pi( llTK (9.14)
1\-1=I 11 -AA~l' (9 .20)
X
We ktor korelat i< musi spełn iać układ równań normalnych
(9.16)
c oo
X2
l [
=aox
~ Px11
o
o
p n
X--
]-l [po
_ 2
- C1ox
X1
(9.2 1)
412
przy czym
l
9.3. Macierz kowariancji wyrównanych
!Pv
parametrów
l ;' o
p-;l
X~ ....
-
-
p- ł
X
Po swobodnym wyrównaniu s ieci geodezyjnej za chodzi częst o k oni ecz-
Wobec takiego uproszczenia, rozwiązanie (9.18) można pr/.edstawić w postaci no ś ćprzeprowadzenia analizy d okładn o ści , obejmującej m.in.: wyznaczenie
błędów średnich wyrównanych współrzędnych , b łędów poł ożeni a lub el ips
ufności wszystkich punkt ów sieci. Związane z tym procedury obliczeni owe
Px"
o- I Jrl J
Q1_1 ':;"-1 .\TPL _
Q7 -
12
· I -
są bardzo podobne do tych, jakie stosuje s ię w rozwic\zania ch klasycznych.
Ustalenia wymaga jednak tutaj m acierz kowarian cji estymatora X'·' x0 +cl x .
a tym samym macierz kowariancji wy r ównanych współrzędnych wszystk ich
(9. 22)
punktów s wobodnej , geometrycznej s truktury pomiarowej .
J X -- --;\ ·Pl'x
1
• lJ "" - 1\ +I
P ,
( D := - A ;,l'x). oraz stosując zasadę propagacji macierzy kowariancji, u zyskujemy
(9.23)
\ + C ( + )'/' A•
(A;,,r "'At). Uogólniona odwrotność Cd x (bb) =De L DT = : PPx L APl'x
2
"~ <10 l'Px
p -· I •·
(APl'x)
T
d• X -- - ;\ +pp L = - Ap+I , :: -A + L
X (9.24) gdzie xonic jest wektorem losowym, więc także
gdzie
(9.26)
414
415
'f '
:
'\... ;
~~~
!
_.~
Ustalenie macierzy kowariancji z uwzględnieniem błędn ości Bior;;"\c pod uwagę, że Cdx ibb) =aJA~l'xP- ( A~l'x{ oraz Cxo =cr<3x P;( 1
1
wektora x0
rnacierz kowariancj i estymatora przyrostów z uwzglc,:dnieniem macierzy ko-
Traktowanie wektora x0 jako zmienn ej losowej o m acierzy kowaria n cji
=
C x.o aJxQxo "'a<~X
1
Px
wymaga ustalenia, odpowiadaj;;"\cej tej sytuacji, no- wariancji wektora x0 można ta kże przedstawić w p os taci
wej macierzy ko wa riancji wektora wyrazów wolnych. Z auważ my bow ie m, że
skoro C dx !zb) -_ 0 ox
2 1, - 1„T - ·-ll'l>-I . C
,x v ::. > X ·r- dx(bb )
L ::: x 0 - xu/J =F{X ll )-x"1' = C Xo l '
,T - - IB J> -·l
::. X +
C
<l x( bb)
(9.28)
gdzie losowym wektorem jest nic tylko x0 b, lecz także xo, to przy założeniu
Także w ustalaniu postaci macierzy kowar·iancji estymatora X= x + dx
0
wzajemnej ni ez ależności tych zmiennych, nale ży zapisać
na leży u względnić, występujt\ce tutaj, dwie wzajemnie niez ależn e zmie nne
c o
o l[o·~~J r losowe: X0, dx. Estymator przyrostów dx. przez wyrazy wolne L = F(X 11 ) -- x "h ,
I„][ ~ C x"I' j I: ::: D X C Xo D X + C x"" jest j edna k funkcją wektora x0 , tzn.
gdzie 0 1
d- x =-r-"PPx
A ''
. " ) - x" ' 1
IJ== -„\"PPx [l'(X
Dx =~\X)I =A
. rJX Xc'Xo Biort\C tę zależność pod uwugę, estymator X = x0 +ci x prledstawimy w postaci
Zatem w ogólnym przypadku macierz kowari ancji wektora wyrazó w wol- • --- ,/x0 ...' (-I X -~ 'x0 -· t\ +PPx [ "'
X x0 -
::: ~ .'\+PPx [F(Xo )
1 " - X ""J =
nych ma postać
Xo \ + F(Xo) \ „ (9.29)
.„
.„ . - : l'l'x .' + : PPx Xvb
Stosuj ąc do wyrażenia (9 . 2~) ) z asa dę pro pagacji macierzy kowa riancj i on1z
x
pamiętaj;\c, że 0 • x 00 są wzajemnie ni ezależne, uzyskujemy
gdzie
Poniew aż
wi ęc
... k „ aF(X)I
(t utaJ ta ze A= ---;-X·-„-:
. . „ -
). Macierz ri.1 8 wykazuje własnosc (zob. rozdz. :.i.2}
"-'Oo2v p:-<1131':::- 1BPx- 1 + ao2 A ·~ p -l(A+ )T u, lx=x 0
·' • • PPx l'Px (9.27)
M 0 Px- I M T11 = Px
- I
M r0 . Wobec tego
416
H7
·r;;I ·
. - ,,.2
C X(~b)- '··I p- 1-...T . 2 \ + p - 1(;. \ +rr:x) T =
v o x :v IJ x ,n;i ·,-c:ro ; rr:x I Wobec p owyż szego
'T .
-- 2 p --1 '.l.i°I' 1 2 + „.1 -
-· uo x x - n ·.·ao API\ I1 (API\)
T (9. 30) 2
1110 =-
l·.r • V PV
-
\i PV:: - - - - (9.32)
Tr(M) 11 - r+d
lub
C •X
-'( 0 1,1) "x
. =C x 0M f1 +C · (/Jhl m.:m Przykłady
dla< C xo 2
=o-ox p x-- I oraz C•fx(bb) ' + -t •
= CYt) App,. P ( Aj,p . )
T
Przykład 9.1
·' )(
. Przedstawio ne powy7;ej wyra że nia dotyczą m acierzy kowa ri ancji in tere - W swobod nej sieci n iwelacyjnej (rys. 9.3) zmierzono przewyższenia . Zna-
SUJ.ących n as estymatorow. W praktyce, tak jak dotąd wielokrotnie, wvstQ- ne s~\ także przybliżone wysokości wszystkich punktów. Wyrówn ać tę sieć
pugcy w tych ~v7raż~niach współczynnik wadan cji aJ nal eży zastąpić-jego klasyczną metod ą pa rametryczną, a n astępnie zastosować zasady wyrówna-
nia s wobodnego. W \',ryrównaniu swobodnym przyjąć, że :
esty m ator em <:J('j =1110.
wariant l ) m acierz wa g przybliż onyc h wysokości jest ma cierz ą j ednostkową
E stymator wspólczynnika wariancji (w a nalizie dokładności przyjąć jednakowy d la wszys tkich pu nk-
J ak wiemy, estymator współczynni k a wariancji m a na stępująq ogóln;\ tów błąd śred ni przybliżonyc h wysokości m lf =O.O l m ).
p os t ać: wariant 2) przybli żone wysokości są okreś lone 7. błędami ś rednimi:
m 11z =O.Ol ( m). m 11 z o::0.0 1 (111 ). 111/fz:: = 0.005 (m)
1 2
li
I
co dla macierzy n '" ·------ -- P:Vf oraz m a cierzy iVJ o własności PM= M rPM przybłifonc wy~okosci punktów (m):
T r(M )
;,, li ~. " 101.20
zapisujem y jako _..,......_ _ _--0z' J/~ł ~ I0).10
2
Illo~" V
T
nv '~ „ ••. „
I
... y T P!\.·I V::
.
.. I
·- ·- v 7·MTPMV = ___ „ _I ___ y'f'py
Z, ~ 11;, "i!~l .00
Tr('.\1 ) Tr(M) . Tr(M)
wyniki pomi:ini • bh;,dy srcdn ic
(V = MV). W celu ustaleni a śladu macierzy (m) i (m)
Z,
~;i:;~·: I.2-1- „.- ,. -·:,-:-0~0-I--·
418 419
Interesuj<1ce będzie porównanie powyższych wartości z tymi, które otrzy- Zatem
mamy w trakcie wyrównania klasyczną metodą parametryczną oraz wyr ów-
nania swobodnego.
r_ I
2.00 -1 .00·1 T
(A PA )
-l
= 0.67
[0.83 0.671
l.3 3 ~·
T
A PL =
~I I.OO]
A PA= l - 1.00 1.25.J' L- 5 .75 (c 1n)
.Wvn?wnanie kJasvczne
oraz dalej
W celu wyeliminowania defektu nawiązania d_ ~ 1, jeden z punktów sieci ,
powiedzmy Z3 , uznamy jako stały (tzn. R: "' z3 ). Ponadto przyjmiemy, że ~ -- 1 .0·'1
HR= H~ = l00.00 (m} Z takiego założenia wynika następuj ący układ rów-
"' - (A PA)
T - I
A I L=
T 1 [3.0] [,jliz lJ·
-= •
1 V= Ad X + L co= - LO
nań obse·~wacyjnych: J .O (cmJ .dłlz.„ ~ ·LO.J(cm)
• o -
· = 103.200 + 0.070 = 103.270
llz.2 "' Hz-~-2 + d1-1Z:.! (m)
[ eta p
oraz elementarnych przekszta łcen i ach , u zyskujemy układ równań poprawek
o postaci. ( prZYJffiUJemy:
. . Il- o =I (}l .20 (m), fi z-ł
o = 103.20 (In)):
21
+H9 1 1;,
7. - fi Il -'1°
I ' rr etap /~1 = Il Z1 ·- II R
I
,,...---------__.......__-
1
'-- v - - R•--'
1,~-4
1 1.240.- 0.0 1o=
.....
IO 1.230 - l oo.ooo V
v, =
-
-J,, 7.1
+ d11.
%2
-!19 +119 -h~'b
7.1 7.2 -
,;, =- Il,, + ff z
- . ' ·l -2
2.050 - 0 .0 10=- 10 1.230 +1 03.270
3.230 + 0.040 = l 03.270 -· 1OO.OOO
V
V
'---~~5-,---~
1;:1 --= }f Z2 - 1111
+ff ~l + H - h"3 b
z, R
~R-~
Wyznaczmy jeszcze macier z kowar iuncji wyr ównanych wysokości
'i~ - 3
? ~(l" p\1 s
Otrzy m any układ równań poprawek, a także wartości błędów średn i ch (m<°) = · ;;· ~· ; -= 1· "-' 6)
pomiani przewyż s ze ń umożliwiaj ą zes tawienie m acierzy
0I.67] [5 .0 4.0]
l
? T -1 ?l0.83
=mi)(i\
A
31 = 4 () 8 O
I
A = [ -~
Ol
: ' [-4]
L= - 5 -
2
] = [l .00
I.OO skąd odczytujemy
C x_ P A) = mi) ().")7
c . -' . . . (en/ )
420
·'"1
·· _. ···
Wvrównanie swohoclne
II Latw!) można sprawdzić, że tyn1 razem <lcc( A T PA )== O, i nie istniej e od-
W tym wyrównaniu przyjmujemy, że nieznanymi parametrami układu wrotność (A TPA)'- 1. Nie istnieje więc także klasyczne rozwiązanie
równań obserwacyjnych są wysokości wszystkich punktów sieci niwelacyj-
I
nej (a nie , tak jak wcześniej, tylko wysokości Hz, . H ;;:2 ) . I
Po podstawieniach !
I
Fl z1 = Hzo-I +du-z·I • li z,- = Hzo· :! +d11 z. 2 . Hz,. =Hzo.
·.) +du ..
z., I
I - - - --- --·--·-·---------·1
oraz przyjmuj ąc W celu ustalenia r zędu macierzy A , obliczamy maci erz I
o
II l i "" 101.20 <rnl. 1-! t = 103.20 (m). fi lo = I OO.OO (m )
2 -·1 -1] I
~ I
- .\
A.,.A - I 2 -· I
uzyskujemy [- ! --- 1 2 !
h1 "' H z··I -- Hz.1„,1
i
Stwierdzamy, że /?(A.,. A )=2(gdyżlATAl = O oraz is tniej ą niezerowe wy-
Ji,„ =" - H z„I +li z~ 1 '1
~ : -~1
L= -5
[-4]
- } (cm)
A:=[A 1E':Rn.u: A2E91n.d ) =[- :
O I : -I .J
u=r - d d
kolumn kolumn
Ze względu na takie same jak wcześniej błędy średnic pomiaru, m acierz Zwróć my uwagę, że w klasycznym wyrównaniu macier,: współczynników A
wag pozostaje bez zmian (podobnie jak wektor wyrazów wolnych L), czyli jest równ oważna blokowi A1 • Wynika stąd, o czym mówil iśmy w części teo-
l
r etycznej, że z n umerycznego punk tu widzenia, w klasycznym wyrównaniu
s ieci swobodnej o defekcie d, macierz współczynników powstaje przez elimi-
nację t ylu kolumn w „pełn ej" macierzy A, ile wynosi defekt sieci (odpowiada
I.OO
t o, oczywiście, zakładanej stałości właśnie tylu współrzę dnyc h) .
0.25_(c rn)" 2
422
W dalszych obliczeniach, wyznaczamy Ż, ż,
b
z.
Rys . 9A. llus tracj a wynikó w wyrównania s wobodnej s ieci niwclucyjncr " ·- wy rów nani<~
kln.syczne, h - wy równanie swobodn e
Wówczas
J.(oq troi a~u.L~\lv wvrci\'l.f11!H)Jl
_ -. I
.::.= BPx- B = r [ 6.00 - 3.00]
. ;:::-1 ·= [0.390.44]
0.44 0.89
I etap
- 3.00 2.62
ArPL=[
I
lJ
-5.75
H etap
1;,
h1 = llz··I -- ff .,_ . .-----
oraz t:. -~ , 1.230 '-"' IOl.197 - 99.967 V
;;~ = --ll z
- ·I
+ Il z
·2 Il
2.C)<Hl = - l0l.i97 + l 03.2 37 V
3.270 "-" l 03.237 - 99.967 V
Po wyzn aczeniu estymatora wektora poprawek, uzyskujemy
;;I. ""' llz.
.-~ - fj.,'·,\ j
o -11[--0.3]
V=Ad x +L = -1 1 3.7
1 oj +1r-4.0]
-s.o =[-1.0]
- LO
M.~1 cierr. ll:owa riancji wyrÓWl}J)_l},Y_Gh w vs o_k9ści
[ O l - 1 _- 3.3 L- 3.0 4.0 (cm)
<I) bez uwzględnieni a bł~ dności wyso kości przybliżonych
T a ki s pos ób obl icz ania m a cierzy kowarian cji estym atora pa rametrów od-
powiada sytu a cji , gdy macie rz wag Px trak t uje my ty lko jako p a rnmet r
O ka zuje się wi ęc, że poprawki do wyników pomiaru p rzewyższeń s ą tak ie
s ame jak we wcześniej szych klasycznych wyrównaniach. Interesującym rez ul- s t eruj qcy procese m opty m ali zrn.:ji mi nfS x (d x) }= 11':~ Pxd x . Pon iew aż lu taj
tatem wyrównania swobodnego, różnym od wyrówna nia kla sycznego, są nato- dx
H- z 1 "' H o
z +d-11 _ =: L00.000-0.030= 99.970\m)
· - .I ZJ
424
.\.
··r····... ·.· · " ·
-
=c·· .lx(i>I>) =mo21>-1X 1,-r-- 1 -r ) \ - - 1n·r - 1 I • ' T- - 1 - I •
C X(;,/1) ) .::. a1 1 1.::.
A
! X =
l CXU.bJ = Cx0 {I, -B .::. BI\'. ]+C,ix!/Jh) =
J 0.22 -O. il -0. 111 r U3 - 0.67 -0.671 l 0.33 0.33 0.33 r 1.33 -0.67 - 0.67'1
=mi) ! -0. 11 0.39 - 0.28 =o!-0.67 2.33 -1.671 = 0.33 0.33 0.33 +l- 0.67 2.33 - 1.67 ~
l -0.! l - 0.28 0.39-' l_- 0.67 ·-l.67 ~. 33 j(ćrn:!)
[
0.33 0.33 • 0.33 ~ 1 - 0.67 - 1.67
.., . . ,., I
~ .•l.J J
Nn podstawie przekątniowych elementów tej macie r zy, wyznaczamy błę d y
= -0.33
1.67 -0.33
2.67
-0.33]
- 1.33
średnie wyrównanych wysokości wszystkich punktów: [
~0 . 33 - 1.33 2.67 (cm2)
b) z uwzględni eniem błędności wysokości przybliżonych m 1j. = Ji..61 '' 1.6 (cm )
z~
Przyjmijmy teraz, że przybliżone wysokości wszystkich punktów S<\ wza-
jemnie ni ezależnymi zmiennymi losowym i o ma cierzy k owariancji (dla Wariant 2) W tej wersji przykładu przJ.jmujcmy następującą macierz wag
111 °~ I .O cm) przybliżonych wysokości:
11
4] _,
(cm ")
.Po wyznaczeniu, w odpow iadający przyjętemu założeniu sposób, m<Jcierzy
kowariancji estymatora przyrostów uzyskujemy
Stosując odpowiednio dużą wartość wagi, w procesie optym a lizacji wy-
(1x<:1>> =~ĆxoBr::::-tnrx ' +c,ix(bb) = różniamy przybliżoną wysokość lizo . Po ponownym obliczeniu odpowied-
-~ T
- 0.67 nich wielkości, uzyskujemy (macierz · A1 PL pozostaje bez zmian )
0.67
-0.33 - 0.33] I'- 1.33
l
r
= -- 0.3~ 0.67 ·-0.33 + - 0.67
_ -I T [ 5.25 - 3.1 9] I .. [0.76 0.94]
-0.3.' - 0.33 0.67 L·-0.67 - J.67 .::. = BP B = . :;;;- =( BP)(' n' ) -1 = 0.94 1.56
X - 3.19 2.57
2.00 - I.OO - I.OO] ora7.
= - I .OO 3.00 - 2.00
- 1.00 - 2.00 3.00 (c l112 J
427
426
Warto zwrócić uwagę, że po wyznaczeniu estymatorów poprawek,
i tym razem otrzymujemy
takż e
"
I
I
b) z uw zględ nien iem błędno ści wys okośc i przyb li żonych
P rzyjmijmy,. że przy bliżone wyso kości pun k tów są wzajemn ie nieza leż
n ym i zm ien nymi losowymi o m a cierzy kowa ria ncji
,.. .... l O-I![
01
l.Ji +1j-4.0]
-:-0 i [-1.0l i l
V=Adx+L = -l
[ o
I =
5.3
I - 11-l.7
J
L·-.:J.0
-LO j
4.0J (C m)
\Vówczas
Kontynuując obliczenia, wyznaczamy:
Wyrównm:w wvsokoś c i punktów c-d x l :b) "'C x 0 Br ::- 1Bp·:X 1 +C d- y (bb)
• o •
H z 1 -==Hz +d 11 • :=: JOl.200+0.01 3 =101.213(111 ) - O·"w) J
·I Z1 [°
(Ui3 - 0. 17 -O 17] l- 2 59 l .08 - i
• o • ::: \ -0. 17 0.83 - 0.1 7 + I 08 4.58 -1 .421 :;
li z , =f/ 22 +d 11 z 1 = l03.200+0.053=103.253(m) l -0.17 -- 0.1 7 () 08 --0.92 -1.42 0.58 J
• o -
li z.1 =li z.1 + d H z.\ =I OO.OOO- 0.(J17 = 99.983 <m> [ 342
0.9 l -Lil')]
::: 0. 9 l 5.4 l -l .59
Lf_!:li<Uł.J.~ontrnli (I etap nie wnosi niczego nowego) - 1.09 - 1.59 0.6 6 (c11.2J
~
/~1 = Il -'-1 -ri 2_1 j) 1.230= 101.2 13-99.983 V Na tomias t po wyznaczeniu macierzy kowar ia ncji wyrównanych wys okości
skąd
-0.92]
-1.4 2 = J2.]5" = l .6 (..:111)
0. 58 (rn/ )
m łi zi = .J2.58 = l. 6 (em)
Wyn iki wyr ów nania k lasyc znego oraz swobodnego u zys kane w ró ż nych
waóan tach zawiera poniższa tabela:
1 28 429
.„.
l
!
Wyrown:uiie
li V ,j x I "'1i
l. ( cm) I Rozwiq z anic
W przeds tawionej s ieci geodezyjnej wykonano n "' 7 pomiarów, je s t
, (cm) (cm} bez uwzgl~dnicnia z mvzg l ęclnicni •)m
! blędno!\ci il ~i błcdnosci li ~ w niej r "' S niewiadomych {cztery punkty, każdy o dwu nieznanych współ
;----------;-~ ~-+-~- --"'---~~--~~'- --'----~--~'--- rzędnych) oraz jes t to sieć swobodna o d efekcie całkowitym d"' 3, równym
- 1.0 I
.3.0 2.2 Z1
z„ defektowi nawiązania "= ~ 3 (w sieci nie występuje defekt wewnętrz ny). Po-
Klasyczne
I
- 1.0
4.0 I 7.0 2.8
I
I
z; n ie w a ż/"" n ···· r + d "" 2, więc si eć powinna zostać wyrównan a.
ul
Px =I, - l.O :J.7 l.5 1.6
I 40 -3 ..3 t.5 I I z; wek. Skor zys tamy z równań poprawek usta lonych w przykładzie 5 . l.5, po-
J_
1.6
Swobodn~
c 1 =
!·g- i.:J
5.3
- 1.7
')1. 61 _J 1.6
2.1 z.
z:
s ze rz ając je o dodatkowe s kładniki dotyczą ce punktów 13, 20. 22 (dodatkowe
fragmenty równań podkreślono):
- -----'-- - -'-·---- -~- 0.9
4.0
__:!_
~----
Przykład 9.2
Przyjmijmy, że sieć geodezyj na z przykładu 5. 1.5 jest siecią s wobodną.
Współrzędne punktów 13, 20, 22, wcze śniej traktowane jako s t.ale, będ <ł ter az
współrzędnymi przybliżonym i (podobnie jak współrzędne przybliżone punktu 21).
Wyrównać tę sieć klasyczną metodą parametryczną oraz s tosując zas a dy wy-
równa nia swobodnego. W wyrównaniu swobodnym przyjąć, ż e macierz wag
współrzędnych przybliżonych jest m acie rzą jednostkow ą. Analizę dokł adno ś ci
przeprowadzić jednak także przy założeniu błędności tych ws półrzędn ych
(p rzyjąć jedna kowy dla każdej współrzędnej błąd śred ni mxr= 0.05 (m)).
21
22 "·· ,., ()
d~ d, +cl„ ,. 3
r ~ 4 punk1y · 2 -~ I!
20
/ "' .: ···r·- rl -' 2
wsp6łr7.1<dnc przyhlii.onc
wyni ki pomiam
d,'"' - lf>74 .S4 ml Nr x·(m} I t' '(m) va = !05.921dx 2 1 + 62.838dy2 1 - 76.57 1dx 13 +37.159dr" -
.,,.,~. ~ , 6 :? ~ s r· :!r •
430 431
v11 =-97.351dx
21
+115.169dy -29.350dx0 -99.997dy"-"-
21 j-O.ll41(rn)
+126.701dx20 -15.173dy -22' 0.07
20
0. 16 --
L= -~~j; n
2
Wvr<lwnan ie klasvczne
Całkowity defekt wyrównywanej sieci swobodnej d '°" dz~ 3 (istnieje tutaj
tylko defekt n awiązania). Aby go wyeliminować, przyjmiemy jako stałe
:3 współrzędne: powiedzmy, wspó łrzędne (X, Y) punktu 22 oraz w spółrzędrn\ Y
pun ktu 20. O znacza t o, że w k lusycznym wyrównaniu, swobodnej dotąd sieci
geodezyjnej, będzie uczestniczyła macierz współczynni ków pows tała z „pełnej"
macierzy A po odrzuceniu w niej trzech ostatnich kolumn (dotycz<\cych
wy r ó żn ion ych współrzędnych ). Macierz współczynników uk ł adu r ównar'i
poprawek w wyrównaniu k lasycznym ma wię c postać:
vr = 62.708dx +l04.355dy - I I l.480dx 20 -25.882di,,,0 +
21 21
+48.772dx
22
-78.473dy
22
+2' r -·0.5!0 0.860 05 !0 -0.86() o
0 .857 „ ().515 o o ()
Przedstawione równania są podstawą do utworzenia „pełnej" macierzy 0 .764 0.6·15 () o 0.76·1
współczynników A E :J\''""7·r=S oraz takich samych jak w przykładzie 5.1.5 ;\=o: 105921 62.8J8 - 76Sll 37.159 „.29.350
wyrazów wolnych L. -97 .JS! 115. 169 -29.350 -·99.99 7 ! 26.701
97-35 ł ·- 115 .1 69 () o !·l.!2S
dx"!.I dy"! dxn dyl:• dx.10 dy,() dx„., drn 62.708 ICKJS5 o () -1 l !.480
.l.. r c- c
l .
! .( ! !
-0.510 0.860 0.510 -0.860 o o () ()
Korzystaj<\C z ustalonych wc z eśniej m acierzy Pi L, wyznaczamy:
0.857 -0.5 15 o o o o - 0.857 0.515
0.764 0.645 o (} -0.764 -0.645 o () -574.086 .. 370. 951) 7()0.596
·-977.06-l >IM..215· j·
A= 105.921 62.838 - 76.57 1 37.159 - 29.350 -99.997 o o "2224.0 36 ]59.54 1 --%5.009 ·-555.S:l·I - 25 . 199
393 ,902 --185.935 - 22.952 , A T PL::o ·-23 .J 4 2
- 97.351 115.169 - 29.350 -99.997 126.701 - 15.173 () ()
syu11..: tna 999.308 -214.66 1 I T l .75·1
97.351 -115.169 o o 14.128 89.288 - 111.480 -25.88:J 1109..ios L- 1s 2 .w 1
62.708 104.355 o o - l I l.480 - 25.882 48.772 - 78.47J
1nacicrf. A '- przykblu 5. l .5 ~oda1kowc kolumny
432
- wyrównane wyniki pomiaru
,0.!\19-1 0.01SJ 0.0576 0.0509 0.0.1231
0.0.1_;5 0 .0$72 0.07&'.\ 0 .0617
(mil I 674.84 (mq .'
(A.,.PA)-1 1674.84 i
=,
l
symctr.a
O. IS26 0. 160 •1 0. 129:!
0. 1·1.l6 O. i 15 1 ! 1694.14 (m)
0001
- 0.02
fm)
l694.l2[m) I
dl
ti, I
l O.O'>S? J
x=x"1' + \ ' =
1367.63 !ml
42'57'40" +
I 0.03
on=
l 367.66(m)
42· 57'40'
! a~ I
I= a I I
r-o.o6s 1
45 '55 '38' i L - UJ - )) ~) J J
I 0.067 .• macierz kowariancji wyr ównanych współrzQdnych i ich błędy ś red n i e
• . T -I T I
dx=-(A PA) A PL"'!' O.o7 1
(l.();179 0 .0700 0. 1·12·1 0.1257 0.1!1'H>-l
0.104
L 0.160 I •• . , T . ··I
r
0 .!07(> 0.2156 0.19'.\5 0. 15751
l
s ymc1ri~
0.-15 12 0.3%4 O.J194 I
O.J550 0.28'15
0.13':~
l
f O.OOOlcml 111,; = J0.0479 = 0.2 19 {mi. m 1; = JO~lim; =0.328 Cm>
,\21 21
- 0.023 !!
0.029 111,:. = Jo.45 12 = 0.672 !m). 111>; = Jo_-,,550 = o.596 <111.>
„ yTpy 4.943 "LI l.l
l
0.2 ~o
4356.640
5296.250
-0.068
0.067
·1 4356.572
5296.3 17
l r!
- 0.510
0.857
0 .764
O S(,Q
-0.515
0.645
0.510
o
()
-· 0 .860
o
o - 0.7(>·1
o
o
-Ohl5
o
o -0.857
o
o
0.515
o·j
oi
j
• o •
X = X +d V
[
= 52 11.360 + 0.07 1 = 5211.43 1] A - fA >" ' ) •l
i
>05.921
62.838 - 76.571 37 . 159 - 29.350 ··· 99.')97 o ol
j o!
·' I
I 3855.850 0.104 3855.954 - 97.:15 1 115.169 - 29.350 - 99.997 126.701 - lS . 173 ()
!
l33 12.240 0. 160 .33 12.400 (m)
9 7.351
62.708
- 115. 169
!04.355
o
o
o
o
ł ·l.1 28
·· 111.480
89 .288 ··· l l l.-180
- 25 .882 <H>.772
_..,5
.... .88"- !
- 7S.473 j
435
T.
ri
Zgodn ie z zasadami wyrównania swobodnego, zestawiamy mac ierz (ma-
cierz A {PA 1 jes t obliczona w wyrównaniu klasycznym) -0.089
\ci_X2 1
dyli .
l
0.005
cf x u
13 "' [Af PA 1 : Af PA 1l "
r 22s5.657
il -- 574.086
- 574.086
2224.036
-370.950 700.596 - 977.064 -579.44 1 „<)37.645
359.54 ! -- 965.009 -555.534 -790.087
126.394
3743221
i70.08 1 .. 375.94~'
o
X - d
l
d _ J X1 _ p - I BT -;:- -1 r\TPI
[ X 2 - - X .,.... , I , -
- 0.029
_ -0.005
0.090 =
dyn
J.\'.20
Ponadto drn
304.2 151
- estymator wektora poprawek i estymator współczynn ika wariancji
-25. 199j
Af PL= -23.342
O.OOO (m)
77.754
- 0.023
-182.704
0.029
.,
. .,. -
V PV 4.944
Wobec przyjętego jednakowego udziału w procesie optymalizacji wszyst- V = Adx +L = -- 0.3 n lll[j = -···-----······· = ··-··--·· =2.472
11 - r + d 2
kich współrzędnych przybliżonych (Px =1,), uzyskujemy 0.2
6.9 (111 0 = l .57)
8.491 -3.260 - l. 591 3.265 - 3.3 52 - 13.2
8.002 1.536 - 3.54l - 1.72 l (takie sam.: jak w wyn\wnaniu klasycznym)
:=: = BPx 1BT = 10 6 0.675 -1.283 0.312
symetria 2.704 - 0.61 1 - wyrównane wsp ółrzędne wszystkich punktów
2.964
4356.640 - 0.089 43 56.551 ,'< 21
18.471 5296.250 0.005 5296.255 Y21
8.083 12.547 26.668 23.503
28.773 52 11.360 - 0.029 52 11.331 X13
19.59 41.615 36.759
::;- 1 = 10- 5 3855.850 -0.005 3855.845 l;n
89.934 78.795 61. 125 - o -
X = X +dx= +
33 12.240 0.090 33 12.330 X20
symetria 69.388 53.956
42.336 441 3.260 -0.005 441 3.255 Y20
2904.650 0.028 2904.678 ,y22
Następni e obliczamy: 6168.880 0.019 6 168.899 (111) Y21
- estymator przyrostów do wsp6lr1.ędnych prąbliżonych wszystkich punktów
Ponieważ estymator wektora popr awek jest taki sam jak w wyrównaniu
k lasycznym, t akie same są również wyrównane wyniki pomiaru.
Ilustrację wyników klasycznego i swobodnego wyrównania sieci przed-
s tawia rys. 9.6.
436
„„1
,..
Hys. 9 .6 . S wohodn:i si eć geo<le;i.yj11a : a - wyrówn anie klas yczn e, ł> ~- swobodne O.OOJ(> -o.ooo:i - 0.0005 -·0.001.: I
mi'
'' W
= fÓ.0036 =0.060 (ml]. }
= Jo.o04o = 0.063 (111) 1
--? m m(20)
1 = 0.087 <111) (0.076)
·.~o j
mi; ~~ ..J(i.o<i1·=
; = 0.04 1 (nl)) 111 :Y = Jo.0023 =0.048 (ml1
111~2: =Jo.oos2 =0.090 <ml J
2
- > m po(22l = O. l02 cm> (0.096)
m:\~ =Fi.(icii2 = o.035 <m> J -)
1
.E:J inJiv ufności (w macierzy A TPA podajemy tylko elementy is Lot.nc w wyzna-
m x: =Jo~oo_~-7 = 0.06 1 <m>1 czaniu tych elips ) - rys. 9.7
' IJ >
111 _ = JQ.(mil = o .033 (m ) J
Y1.\ r 2:85.48 _ 574.04 l
i- :>74.()4 2223.88
I
111 ;; = ,/ó~oo'i.9 = o.o5.4 <mll (' I') = u - + 111:·- ;c;: ().076 (111)
393.87 ·- 485.89
i
my-
·':O
438
·1·
·.·;.„'
punkt 20.
a = 0.40 {m)
punkt 22.
Rys . 9.7. Elip~y ufno,ki
p.
Z22
=
.l
I\
_!\)'
·i I
P~y = 1046.95 -505.041
Pr _ ..-505.04 401.18.1
punkt21.
p
p - X Pxr] = [ 2285.48 - 574.04] fi.1 == 124.63 (I ::: 0.60 (111)
Z21 - [ p XY Py - 574.04 2223.88 [i = l 198.87 <p ~' -·28.70"
lA-2= 1323.SO b = 0. 17 (Ili)
Ji. =~(Px - 2
;.,
Pr ) + 41',? r == 1149.74
!
=
<p=(~arctg 2
, Pxr )p< > = - 43.47°
0
- lx - Pr
punkt 13.
Px Pxr] [ 393.87 -485.89]
Pz13 = [ Px.y l'y = -485.89 999.23
,140
10. ODPORNE WYRÓWNANIE SWOBODNE
T Punkty dostosowania w klasycznych metod ach wyrównani a , o czym j uż
wielokrotnie rr1<lwi lismy, są traktowane ja ko sta łe , t zn . j ako punkty o bez-
błę dn ych współrz ę dnych. Tak ie założenie jes t p ewnym uproszczeniem , gdyż
w rzeczy wistości współrzędne tych punktów są także zmi ennymi losowym i
10.1. Założenia podstawowe o ustalonych wartościach błędów średnich. W dobrych procedurach inży
nierskich zakł ada się jednak, że spodziewa na dokład noś ć po ł ożenia nowych
Wpn>wadzenic pun któw jest du ż o mniejsza niż' dokładność poło ie nia pun któw dostosowa-
We wprowadzeniu do poprzedniego rozd zialu wspomnieliśmy, że w prak- nia. ,J ak wiemy, w praktyce problem ten rozwi <\Zuj;' klasy dokła dnoś c i s ieci
tyce mogą wystąpić sytuacje, gdy współrzędne punktów dostosowa nia , z róż geodezyjnych i nienaruszalna zasada , że sie..:i powinny być dowiązywane tyl-
nych powodów, są obarczone d użym i błędami . „Uwalni ając" sieć geod ezyjną ko do punktów o wyższej ni ż one same klasie dokładności . Wówczas wpływ
od stałości tych punktów oraz stosując wyrównanie s wobodne, można się losowego położe ni a pun któw dostosowa nia (w dopuszczalny m obsza r ze )
sp odziew ać , że wyzna czone t:\ drogą przyrosty do w s półrzędnych punktó\v może być zani edbywany. Dopiero wtedy możn a także mówić o ich rel a tyw-
odstających (podobnie jak poprawki do odstaj;\cych obse rwacji, zob. rozdz. 8), nej lrnzbłędności (stałości) . Warto przy tej okazji ws pomni eć, że wpływ błęd
będą st.os u n ko wo du że (rys. 10 .1). ności punktów d ostosowania można uwzgl ę dni ć w wyrówn a niu klasyczny m,
odpowiednio formułując m acierz kowariancji wy r azów wolnych , tzn. wpro-
wadzaj;\c do funk cji L = F(X ~ )-:x. oprócz wektora X ~ ws półrzędnych przy-
bliżonych punktów wy7,nacza nych, także wektor Xs współrzędnych pun któ w
dos toso wania o macierzy kowariancji C_. . Wówczas
·'S
cI
,
= iJF(xj__
fJXs . s-
-
:. .~' :':.) c X I::?~'(X~ . ~5)_
iJXs
l
J
r
+c
x
„„
któr a jest po d s tawą omawianego w rozdz. 8, wyrówn a ni a wyników pomiaru I żone (X~.• • . r2 ) punktów wyznaczanych Z;, i ~ 0 I, .„, /I:• S<\ określone z błędami
odpornego na błę dy g rube (z zastos owaniem funkcji tłum ienia). Tam identy- I ś red nim i
-•t
I d x "'
d x .,
[ dx -,
I
.!
1 gdzie:
I I
l:
d '( 1 '
• ~I I r dxs1
r dr I d l's 1
_.:; i p1·7.yrosty do pr1.yrosty do
Px =
_ ·1 . d yz = d X, Ii przybliionych w~półm:d nych współrz~dnych
111 , : · punktów wyznaczonych d X .1· = punktów dosto.sowania
··n, I
"S1
I dy::„, J
macierz tłumienia
m~2.
. .~, ..~
-"s„, JI
llly - '
(10.1)
r1 l
i
!
Ii
Idea odpornego wyrównania swobodnego. Macierz tłumienia. Ii
Funkcje tłumienia. Ekwiwalentna macierz wag
Tz (dxz) = l 211z
(10.'!)
dla !,7 \' l > k ''
I 'S i
V
444 115
1
oraz analogicznie
1I wcgo. tzn_. b~orąc _pod uw~ g? .zarciwno liczbę punktów dostosow:mia (n ) , jnk
1defekt s1ec1, zapiszemy (Jcsh ci < 2115 ) ·
(10.5)
dx (11 =r-d)
gdzie:
d,_
=·-:-~
r:; Xs
l
Zgodn ie z zasadam i odpornego wyrównania omów1onego ' w rozch:. 8, na
= "pX,\"CI)
'
podstawie maci erzy tłumienia T x <((\' ) i oryginalnej macierzy wag Px ,
(I \(
.s
=!
I d •\.•Hl) ]
1
Ld V
.
-'S( 2)
•
p.
Xs l
L
p Xs1 ~1 j
00.7)
l
przyros tów dx oraz macierzy wag l'x , czyli struktu ra natomiast z drugiej
9\ · ~"5 1
2 11
- <I Xz <:. (l'\211,.
~ l ,_llC>WC
_ __ p1111kl)'
____ ., I\ I>Xz
. oi A= I A 7. E <J\
11
• "" As G
= Px'
d X ••
· fd
l. ,,v s E 912n, .I p1111kty dos1mowani~
,_____ ___ __,. ·-I O p
Xs J to Ueś li d < 211s)
n ic odpowia da strukturze As
gdzie
o
Px2_
-\ =l'x.
Blok i dxs( ), Pxs(il'
2
'\ m
dotyczą zatem współrzi;:dnych punktów dostosowa-
wynikajqccj z wartości defektu d, uwoln ionej od stałości punktów d ostoso- ni a w li czbie r ównej defektowi „uwolnion ej" s ieci geodezyjnej.
wa ni a, swobodnej sieci geodezyjnej. Łącz4c oba te kryteria podzi ału bloko-
447
146
Ponieważ
10.2. Ekwiwalentne zadanie w odpornym
wyrównaniu swobodnym
z przyjętych powyżej założeń wynika następ ujące ekwiwalen tne zadanie
wyrównawcze:
więc
(10.8)
• --1 .,-;:. _ 1 T
d x =-Px Il .::. A, PL=
gdzie (10.10)
- - [I\:
Px = Tx(d x>Px = . z.
gdzie
j est ekwiwalentną macierzą wag wszystkich współrzędnych (chociaż w przed-
stawianym zadaniu macierz wug Px.
' 1.
współrzędnych xi<· pozos t aje bez ·· [A(r ] - [
I
'\ I , _
Pl - Z I>L - ATZ I1 L
. T
J
zmian, to jeśli istnieje taka konieczność, tłumienie wag można rozciągnąc: As(I ) AsoiPL
na całą macierz I\)·
Iteracyjnym rozwiąz an iem zadania (10.8) jest wektor przyrostów do Z rozwiązania (10.10) wynika, że
współrzędnych wszystkich punktów. W n awiązan iu do przedstawionego
w rozdz. 9 rozwiązania swobodnego zadaniu wyrównawczego, zapiszemy
(10.9)
(10.11}
gdzie (przypomnijmy}
r T
B = (A 1 PA 1 A1 PA 2.I
oraz
448
s. '
l
I
ł Przykład
!
dX ~ - ('Xi B '~ .. \ ,\ i' I' I. . W sieci z przykładu 5.1.5 celowo znieksz tałcamy współrzędne punktu ;u,
.r -~. dodając do współrzędnej X 22 wartość gx "" I.OO (m), natomiast do współrzęd
d x j:,
,j
.·Jr,
' o~~~
- nej Y~ 2 wartość g., = 2.00 (m l - rys. 10.3. Wie lkości gx, g, symulują niezna-
111 : ~( /Il .
.J X5, "rs, ne błędy grube tych wspólrzę~nych. Ponieważ współrzędne przybliżone
dla przyj~ i cg o y usta iiC warlo ~ ~ i k x . kr
pu nktu 21 są wyznaczane na podstawie punktów U i 2 1, pozostawiamy je
czy db. k;1-.~dcgo i
bez zmian. Wyrównać sieć stosując zasady odpornego wyrównania swobod-
,i.r_c t:; ( ··- k.r :kx ) . rlr1 . t·: (." kr ;kr ) nego. Przyjąć, jednakowy dla wszystkich współrz ędnych, błąd ś redni
cak I me m.n· = 0.05 ( m).
li ,„ 7
de fckt sict:1 po ..uwolnieniu'·
21 punktów s tałych
(1aki sarn jak w przy klad~ic 9 .2)
+~: ~ ) d, ~3
".'#' \\"· ~-·
i >' l, . . .• 11,i' d„. ~ o
- ( )
'.r("-1~.l. rf
\.
fJ/· ---Z . .-:
I
; ,., 1•... ,11, j d ., d, ., d,.. ·')
Ir '
( -,1.11)
r~. ' '\a
"'"'L'""''"' '""'L" ._.,,,,,,.. ,. '·"I · 2 o' 8
0
:!O / .~ n - r+d ::.2
T
S
(d1X" ) .!
,
1
współrz~dnc punkiów
wyniki pomi~ru
Nr X(m) l'(m)
<1;'· ~ 167·1.S•li:r.i n s21 u 6 Jsss.ss
<1;" ·' l69·1.1·1(m)f no, ,. 0.0.1(m) ---- - --···-- - -
___
· ~-- --·----
-;. p~1) "' T x (d\f-l))r~i -· IJ d~'>fi "" 1367.6J(m~ ---~~ -=~-=-~ -„ -1::_~~.:? „
450 451
wc ześniej - estymator wekt ora p rzyrost ów
wcześn iej
(m)
-0.04 ( m) - 0.04
0.21 O.D7 0.416 ra_.Y111 r -0.089-!
-~:~~~1
-144 O.I 18 cfX 20
- 106 2 0.775 dr:.o
- 0.213 0.028
l} X 22
Po obliczeniach zgodnych z zasadami wyr ów nania swobodnego dh1 nowe- 0.()1 9 (mJ
- 1.273 (111 )
go wektora wyrazów wolnych uzyskuj em y: a»22
P x- -lPxz Pxs]= _?
ml'\;
-2
.. 3.5 - 13.2
mX 20
_? -- estymat or współczynnik a warian cji
//JY2~J
••?
nzx;2 ? y'i' py 0.5 27 ? 5.00 1
111 - 2
lllfj = - - - -· =- - = 0.26 m e)
.
= ···-·---- = 2.47
2
n-r + d 2
Y22
(1110 = 0.5) (m 0 =J.6)
1
400 -- macier z kowar iancji es ty m ator a pr zyrostów pr zy założe niu błędności wek-
400 . tora współrzędnych (dla m 0 = J or az Cxo =
1
= mh I K) Px
400 c-ll.qdiXn' i " l)
=C
X
0
Br2- 1nr-t+ r -: 1n r2 -1 ArPA 2--1np-1
X ~-------1-.---~l-~
400 = m):~ 13 Ć·
d X (bb )(m0 ·.oJ )
400
400
400
400 \ m)-2
45 3
452
stwierd~amy, że t ylko jeden z nich (tfx 20 ) należy do przedziału dopus zczal -
nego &l ""' {-2.5; 2.5). .M o żna by \vi ęc sądzić, że wszystkie punkty dostoso-
10.0025 0.0003 -0.0010 -0.0001 - 0.0002 0.0003 -0.0012 -0.00131 wania s ą pun ktami o ds tającymi o współrzędnych obarczonych nie dopusz-
I 0.0023 -0.0007 -0.001 l 0.0004 -0.0006 0.0000 -0.0010 cza lnym i błędami . To nietrafne rozpoznanie wynika z zastosowanej w etapie
I 0.0028 -0.0004 -0.0020 0.0003 0.0002 0.0016 w stępnym metody wyrównania , a więc neut ralnej z punktu widzenia odpor -
i 0.0010 0.0006 nośc i, m etody najmniejszych kwadratów. Uzys kane rezul t aty s k ł a ni ają do
I 0.0017 - 0.0005 -0.0007 kontynuowania wyrównania, lecz z zastosowaniem omówionych w tym roz-
-1
-, -0.0003
0.0029 0.0001 -0.0007 dziale zasad wyrównania odpornego.
I'
I
symctna 0.0025 -0.0006 -0.0024 Załóżm y, że oryginalne wagi wsp ółr zędnyc h punktów dos tosowania (e le -
l 0.0018 0.0001
0.0048
J menty macierzy wag Pxs) będą tłumione z zastos owa niem jednakowej dla
obu w sp ółr zędnych duń skiej fun kcji tłumi eni a
1 dla JE (- k; k)
z prawdopodobieństwem y ""0.988 ustalamy wspólny dla ws_pół:_zędn ych tx(dx s ) =t y(dys )= r(d) =j . „' „
(X, Y) przedział dopuszczalny dla standaryzowanych przyrostów dx ,dy cxp(-l<[d j-k)" )
;fy(O) = 15 .5
20
~ i\d --> r(dy<0
20
»= cxp {--/(15.5-2.5)":) = 0.19
0.88
0.82
0. 19
0.94
0.08
455
454
Przyjmując P~OJ = Px. podejmujemy realizację procesu iteracyjnego roz-
1
i
4;)7
\V celu przyspieszenia proces u ·i teracyjnego zwiększam y wart ość / do
[i=D.Os]
-,~
d \' = -2.8 il 1.\ d -)
.
1(17 ~:' 1 ) = cxp{ - 1(2.S- 2.5)g f = 0.99
'
-, r'(' -, (2} . (
'.Y :o) = cxp ··· / (J.
' (' ~ „ )"" J
1-L.) =o ")
„\,( ' I~ ~q ;i
"' ( ~ )
Tx (d,y' ) = D iag( l, l, 0.99, 0.95. 0.99. 0.98, 0.71. 0.79)
- , ,, ., (1
- - - - - - - - - - - --- - - -- - - - - - - -- - d r~~ =-6.S E rui - > 1 (;i'1,;; > ~ cxp{·-/(6. 8-2.5)!.')= 0.39
krok 3.
Tx( d ~1> = Diag( I, l , 0.99. 0.87, 0.99, 0.98. 0.24, 0.39)
r 400 .v-- - · -~ ·-- - - ~-·~ - -- - - - - - - - - - ·- -·· -- - --- - - ·-- - w-- --- --·· -- - --
400 kro k 4.
t
348.2
(.•. „ . (~) (~) I
·'> - 'I ' ( I - ) I>x-·
I>x-x<x -. - .
286.7 400
396.9 400
70.7 346.6
182.7 250. l
I 8.5_(mJ - 2
p<X4 > -- TX (;:p:q
X
)Pm
X
-
- 395.1 l
69.5
- 0.2 13 1
43.5 j
0.054
l 7.3 (mf!
-0.13 1
0.04-5
c1:~l = -(P~\) )-IBT {U(P~1))-l BT )- 1A 'i°PL = -0.195
o. 148 0.026
0.341 -0.080
-0.537
d'.~) = -(P~1»„113T( I3(P~4))-IBT)-1Af PL = - 0.094
- i.637 (111) O. I I I
0. 15 1
- 0.786
D'ao(C('.\)
1 ·) -
"' dx (zl>i(m0 = 1l - . -· l .809 (ml
""(O.OO 16, O.OO 13, 0.0022, 0.0022. 0.0028, O.O121, 0.0047 , 0.0575)
459
458
D' (Ct,1)
iag 'dxl .:b)(m11 „I)
)-
-
- o.ooo
::: (0.0011, 0.0012, 0.0021, 0.0023. 0.0027 0.0122. 0.0226, 0.141 8) I 0.020
1-0.065 I
W celu przyspieszenia procesu iteracyjnego zwiększamy wartość I do ') ') I ·1· ') I 0.064 \
7· I ·! · ···
-------·------------- - - ---- -
krok 5.
20.6 •1.J,,.,.,
461
460
krok 6.
l
l
l
l X - X . X X -I
, <6l -·r (·d·· (5l )p <5l _
250.l
395.1
I Ponieważ wszystkie elementy macie r·zy tłumien ia są j u ż równe jedn ości
(wszyslkie standaryzowa ne przyrosty mieszczą s i ę w pr zedzia le dla n ich do-
69.5 pus zczalnym). macierz wag p~7 l = T x (d~6 l)P~l jest taka sama jak macierz
l 7.8
,J,„' P~.[>l. Szósty kr ok procesu it eracyjnego k ończy więc rozwiązanie , interesują
cego nas tutaj, odpornego i swobodnego za dania wyi-ównawczego.
Zatem macie rz
.,
400
r-0.032
400 :
I o.0 1s
. 346.6
-0.053
250. 1
-0.044
'
f
d (.~J =-(I'.~» )-I B T ( B( P~6 J )"-1 Br l-· I A PL ::::
0.096
395. l
69.5
0.063
7 .8
-0.902J
-- 1. 890 (111)
jest ekwiwale n tn ą maci erzą wag wsp ół rzędnych punktów (przypomnijmy: ma-
I)"iag (c<(,) )-
dx (:b!(m"""I) ·-
cier-t wag Px. wspó łr zędnych pu nktów wyznaczanych p ozostaje bez zmian).
- z
=(0.0009, 0.00 12, 0 .0020, 0.0022, 0.0026 0.0 12 l, 0.1278. 0.551 1) Macierzy Px odpowiada następujące rozwi ązani e:
463
462
TABLICE STATYSTYCZN E
I
I
O.OOO
- 0.025
l (ni)
Ta b t! la [
Hozklad nonnalny •
I 0.03 2
1
' \ "' Adx + L =
.t I pt~)
j I rpCt:l X <fr (x) :c •/h i
~ --- ·
O.OO 0.0000 0 .50 0.19 15 I. Oo 0.3.U:l l.5 0 o „1:i:12 2,00 0A772 :I.OO 0 .49865
O.Ol 0.00-1 0 IJ.5 1 0.1950 I.O l 03-138 l.51 0.·13•15 2.02 O..t783 :l.20 0.-199J I
0.02 0.0080 0 .52 0.1985 LO 2 <J.:l·llil L 52 0..:357 2.0·1 0.-179:! :uo 0..1 99GG
o.o:i o.o 120 o .s;1 0.2019 1.0:1 o.:1"185 ł.5 :J 1u:110 2.0G 0.·180:! :i.GO 0 -1998-1 I
I
P rzedstawione wyniki warto porównać z rozwiąz aniem uzyskanym w sieci 0 .0·1 O.OIGO 0.5·1 0.205•1 !.O ·1 0.3508 l.5-1 (J..:382 ' '2.0B 0.4812 :!.8 0 0 .4UH~)28
'2.-18 0.-19:).1
0.090 0.1 lS 0.2·1 0.09•1$ 0.7·1 0 .270:l l "~ I o . :1~n 5 l.7·1 0.-1591
!,jX m
-0.005
I _~:~~~ -1-::::1 I
t
-
d~>20
0.25
02G
0.27
0.0987
0.1026
O. JOG·l
0.75
0 .76
0.77
0.27:)-1
0.276·1
0.279·1
1 • )C
1.2( i
1.27
' 0.39·1·1
0. 3962
o.:!980
1.75
l.7G
1.77
0Afi99
0'16011
()..1616
2.50
2.52
2.~-1
0. ·19:l8
0 .-1941
0..19-15
lH J28 I - 0.902
(1x22. +--- gx 0.28 0.110:1 0.78 0. 282:l 1.20 0 . 39~)7 l.78 OA62:1 2.5C:i o „w .1s
- 0.01 9J ,JI ) t-1.273 j (111 ) L-1.s90 ( m)
tiyt~ <- gy
0.29
o.:m
O.ll -1 l
o.11<!J
O 'l!l
o .so
0. 2~52
o.28 8 1
1.29
1.3<)
O..t0 l 5
0 „10:;2
1.79
l.80
o.-u;:13 2.58 0 .-1951
OAG·ll 2.fiO 0 .-195:!
O.J l 0.1217 IJ.8! 0.2910 Ll I {J..10<19 l .$1 0 .-16·1~) 2.62 0 -195G
o.o~f1 l" 1J . ll.003·1 (m ) o.n
O.:J:J
o.12s:;
0.12\J:l
o .s2
0 .83
0_2g:i9
0~ 2967
u2
1.3:;
0.-10{i6
0 .-1082
1.82
t.8:1
0.-1656
0.-IGG·I
2.G-1
2.6{i
o..i~J5~J
0.-1961
I
-- 0.023 ·- 0.00() . 0:14 0.133 1 0.84 O.W95 U•1 O..tUH!J l.8'1 O.·W'l l 2.GS 0 ,-1963
0 .029
Ii O.Ol I o.:is O.l:JGS 0 .85 0 .302:l I.:l5 O..tl15
O..Jl;J 1
1.85 0 .·1678
0 .-1686
2.7 0
2.72
0.·1965
0.<1967
o.:!6 O. l-106 IJ.8G o.:HJ51 r.:JG l .8G
- o.J n :=l ···1.9 ~-·~ 0.37 0. 1-1-1;1 0 .87 0.3 0 78 l.37 O..U-17 1.87 0.-Hi9:l 2.7•1 0.4~69
i 1.2 IJ.:l8 IJ.1·1 80 0 .88 0.3106 l .:l8 O.HG2 1.88 0. ·1G99 2.7Ci 0.-1971
l
0.2
6.9 1.9
O.:l9
0.-10
lH l
0.1517
0 .1 55·1
O.!S9 l
0 .89
0 .90
0. 91
O.J t:J:l
0.3 159
0.3186
Ll9
1.·IO
1,.11
0 .-1177
0.-1192
0.-1207
1.89
1.90
l.9l
0.·1706
0.-1713
0.-1719
2.78
2.80
2.82
0..1973
IJ.-197-1
0A 97G
I
-1 3.2 ·-3.5 0.-12 o.rnw o. n 0.:1212 1.-1:~ 0.-1222 l. 92 O..l72G 2.8-1 0.-1977
ll.-13 O.H;6·1 O.!J:J 0.3238 !A:I 0.-1236 1.9:! 0.-1732 2.86 0.-1!)79
I 0.-1-1
<H5
OAG
0 .1'/0o
0 .17:)6
<l.177 2
o.9·1
0.%
0.96
o.:m;.1 J
O.:l289
O.:J:ll5
1.-1-1
l..-15
l.'16
0.-125 1
O..t2G5
0.-1279
l.9·1
l.95
1.96
0 .-17:l8
0 .-l'l·M
0.-1750
2.88
~ . 90
2 . H:~
O..l%0
0.-198 1
0.-1952
II o..i~-~-o_.1_3_.,_.1~-!-J._9s-~o-.:-1:_1r,_s~-1~„1s
0.-17 0 .18 08 0.97 0.3:MO 1.-1 7 0.'1'2 92
O..t:!OG
1.97
1.98
0.-1756
0.-176 !
2.94
2.96
0A98·1
OAi)85
~- O 18<9 0.99 0.3389 l .-19 O.-l:l l 9 1.99 OA 7G7 2.98 0.-1956
• Na podstawie: PLUCJ%KA A., PLUClŃSKl E. ( l 9S:J). Z<tcfonic1 z [lr<>habilistyf,j , PWN, Warszawa
<IG5
Tabela Il
"""
<:n
01 Roik!ad xz
Wa rto~ci x2 dh któr~ch
;:) . • l ·'
f'(x7->
J~ x 1 \. =a'
~ {)<)9- 0°0 0 1' ~1<1-- 09·0
. ~~ ..(~-~~~ -·~;-i
~'.·uoo I o.s~~-~~,o 1o.5~~ ,--·-~-~->;-~-1~------~..~o~_[~~~ I~
~., .a -~~I -"
j
'1
·"'
o ~16 I o.DG·'. I o.~~~ I 0.:1,1,~ .;-~;:J -·'.°~ ~-~;.i :~·?- '. ~i-?3" I0.59'i'
- -···· ·· I
I 1 i~ 0.002 0.001 o.mH 'i.Wi!I i
i 2 0.010 t 0.020 ().()f,() 0.103 o.;-'.1 I OA·l~ o.;~1:; I .;·}~'~ ~-' 1. ~ ·I.-?~" :i.-~.1; ;·:i:s .urnr I I
Ii 3
<!
5
0.071
0.207
0.115
0.297
0.-112 1 o.554
0.2H3
o.„JS'l
o.s:n
O.:l52
0.711
I.145
0 .•18·1
1. 06-1
UllO
1
UJO:>
2.3-13
J._ L
un!i 1 1.022
2.675 I
__,rnr, . -I.Im;
:i.:is1
•1.'.l51
5.385
6.626 I
6 .2ol
7.779
9.2:lli
1.81.>
9.·18S
l l.070
.l.3 lS
ll.1-13
J 2.B:l2
l LM»
13.277
15.0SG
12.S:JS
l ·l.860
!Ci. ;5<~
I
l. 6 o.67(i I
o.872 1.2:n
l.63 5 2.204 :l.o'iO I 3..155 5.:l·l 8 7.84 l !O.G·•l 5 i l2 .5!J2 M.'1·19 W.8 12 .1 8„dH .
I ·~.255
I
l
7
8
0.989
l.:J•H I 1.2:rn lj 1.690
2. Hi7
l.G46 1 2.180
2.73:l
~ ·~a:i
,l.-190 , 4.::>9-1
I
:i.~27
;i,071
?,·:MG
1„J.-1.1
9.o.a7
l0.2Hl I 1~l.UG2
.~11.;
i 1 1 ·~ ·~671 1~?~ ~
10.007 11.;>.l:>
}li .175
20.CJ!lO
20.278
2 l.955
,
il
9
IO
li
l.7:Jf,
~- lii?
2.603 j .l.O:.i ..l
2.088
.l.Slb
l
3.a25 ' ·1.1G8
2.100
~.5~~ ~-2·1'.
:l
.\.""'
·l.865
5.578
~~? !
5 .380
I G.rnl
G.!189
5.tHHJ
G.737
7.58.\ I 10.:l·l l
8.3•1:l
9.:1„:2
11.:JS!l I 1-1.68•! . Hi.91!l
125·1!l 1 15.987
J:j,"i()(J '
l S.:107
17.275 L9.ii75
l!J.02:1 21.(j(j(j
20.483 I 2~ł . 20!J
2Ul20 :!„Ln5
2:l.58!l
25. 188
26.7{i7
j 12
l:l
:l.07 ·1 3.571 i ·1'1lH
I 3.5M> 4.107 5.005! 5.892 I! 7.042
I I
5.226 G.:lO·l 7.807
,. ~ G:~~ '
8.<138 1 11.:MO
!l 2!l~r 1; -~:IO
I
M.8·15 118.5.\!J
l ~.!l8~ ,19 8 '. ~ ~~.:~~~ ~47a;;
21.026 2:l.:J:l7 26.2 l 7
~; .6~8
28.300
28.9191·
l l
14
15
·1.075
I ·U>Ol
•UiCiO
5.229
5.Ci29
6.262
6.571 . 7.790
7.261 8.5·17 I i
.l.·161
10.30711.036 l ·U:HJ
10.l bD l ,ł.,139 !1.l l1. 21.0(,., _,l.b:>.> - 6 . .119
I
18.2·15 22.:.107 2•1.996 27.·188
_,J.lll
:10.571!
:u.:si9
32.801 .
• 1G
1-I
5.142
-9-f
5.812 1 6.908
6.·l(l"Q -I . O-6·1
7.962
"1·-„
9 31')
II io.os5 1
; 11.152 1 UJ12 .15.:J:J'.;
1'.!.002 12.792 I 16.3'.JS
19.369 1· 2:l.542 26.296 1 28.S•lfi
20.-189 2·1.769 27.587 :J0.191
32.000
a:l.·!09
3 4.267
:35.718
l
1
•r.>.o o. >1 -
1 21.GOS 25.989 I 28.869 :ll .526 3'/. 15fi
18 H.265 7.O15 ' 8.2:!1 9.390 i 10.865 1 12.857 i:l.675 17.:ns 3<1.SOii
1. 11.G51 l:l.7lii l-1.5(;'.l 18.338 Z.718 I 27.204 I 30.14·1 . 32.852 :JG.19.1 aB.582
i
19
20
G.84-1
7.'13·1
7 .633 j S.907 · 10. ll 7
s.260 9.59 1 i
10.851 i
12.<143 i 1-1.578 15.·152 19.337 2:rnw : 2s..i12 . 3i.410 3.U70 I :J7.5G6 :J9.9!17
21 8.03·1 1 8.897 • l o.2sa I l.59 1 13.2·:0 1· 15..t·l5 rn.3·l·l 20.3:n 2·1.9351 29.ins :i2.u11 38.!.J:32 ·1 1.-101
I
3f>..l'i !J
I I I
\
j
:n
23
2·1
s.6·13
!l.2fi0
9.SSG
9.5-12 10.982
10. 19G ll.G8S
10.~ 56 12.'101
12.:ns
l:!.8•18
H.O<ll
15.659
I
1:1.09.1 1· J.l.S·lS
16.:n.t
17.18,?
17.2·10 - 2 1.3:n
! 18.0li2 I 19.031
!
HU:J~ 1 ~2.3:J~
23.331
26.o:i9
~0 .2„1 I
30.s13
~'.·1·~ 1 j ~120~1'. 1; :i~. l'i~
33 .92·1
:l5.563 1 3S.S85
36.7·1 l -10.113 I
40.ii•l(i
•l 1.923
-t:l.19·1
•H .31•1
45.6'1. 2
·16.!l(;:J
•Hi.926 '
·lS:!!lO
•l!l.6•15
I 28 12.'!Gl i:l.5Ci5 15.308 16.928
H.256 IG.04 7 l 7.705 19.7(i8
l.8 .9:l9 I 21.5SS 22.657 I 27.3:JG
~'.H75 : 23.:ifii I 28.331)
32.620 , 37 .916
:1:1.7 u I
:l~J .087
4 U37
•12.557 ·15.722
4 •1..tCi.l 48.278
.l!).586
50.99:·i
f>:.!.:! 36
I .
29
:io
13.121
1:i.1H1 1-1.9s a L w.791 1SA93 I W .f>99 I 23.3G·l '.N.478 J
2~„:i:w I :i-1.soo , _'1Ll.25G
1
'
Ta he 1 a Ili
Hozkłud S tudent;,
Wartosci 1, dli1 których l'(ir 1 :I > t )"' c«
>
-r-----r--·--..,.--- -,--·-·----·---
I"""
r '-, a O.!l 0.8 0.7
!
I cu;
1 0.5
I
! o.~~O.:l 0.2
- ----,-----..-
(J.I
- ---.-----
0.05 0.02 O.Ol 0.00 1
--··
1 0.158 o.n5 0.5Hl 0.727 !OOO U76 l .9G:i 3.078 6.:lJ.t 12.7()6 31.821 :i:l li57 636.Gl!>
'l 0 .H2 0.2S9 0.'!·15 0.617 0.8 lb I.UG! l .3S6 188(; 2.920 ·1.30'.l 6 965 g,925 3 1.598
3 0 .137 U.27i 0..12·1 O.flS·I 0.765 0.978 J.250 1.638 2.353 '.1.182 I •l.SH 5.8·11 12.!M l
·l 013-1 0 .271 0..IH 0.:>69 O.i·ll 0.9·11 l .190 1.s:1:1 2 .1n 2.776 :1 .747 .\.611·1 8ulO
5 ll.132 O.'.lH7 0.·!08 0.559 0 .727 I 0.920 l .156 1 ·176 ; 2.0 !5 2.5il :1.:IG:i ·1.032 ll.8:;9
6 0.131 0.2G5 0.40-1 0.553 0.718 o.90u J . l:l-1 1.-1-10 I 1.9.13 2.'1-17 :u.n 3.707 5.959
i 0.130 0.263 0..102. 0.5•1 9 0.7ll I O.SBG I .ll!I U 15 I 1.695 2:165 2.998 3.·\.19 5.·105
8 0.130 0.262 0.399 0.5·16 0.706 O.SSH l ,108 u91 I 1.suo 2.306 2.896 3.35:. r. .0.11
fl 0.129 0.261 0.398 0543 0.703 I O.Sii:l l .100 l.33:1 l.83:1 2 .262 2.82 l 3.2ii0 -1.781
10
li
0.129
0.129
0.260
0.260
0.397
0.396
0.542
0.540
0.700
0.697 I O.Si9
O.S76 i
l .OV3
l .008
1.:n2
1.363
1.s12
l.796
2.22s
2.'.W1
'!.76·1
2.71B
:1.1m1
3.106
.1,5s-,
·l.·l:li
12 0.128 i
i
0.259
I
0.395 0.539 0.695 i
I
O.S7:l I .OS3 1.356 L782 2.179 2.6Sl ~1.055 ·l .:!18
13 l'.128 0.259 0.3!14 0.538 0.69-1 0.870 1.Oi!> L:i50 l.771 2.160 2.650 3.012 ·1.22 1
I
I
l·I
15
16
0.128
0.128
0.128
0.258
0.25$
0.258
o.:m3
0.393
0.392
0.53i
0.536
O.!i:JS
0.692
0.691
0.690 I
0.868
O.Sufi
O.SG5
I .076
l .07·1
I .07 1
i l.3·15
1.3H
1.337
l.i6 l
1:753
1.746 I
I
2.14:i
2.131
:uzo
I 2.62-1
2.602
2.5S:J
2.977
2.9-17
2.921
4.140
·1.073
-1.015
! 17
!S
19
0.128
0. 127
0.127
0.:!57
0 .257
0 .2f>i
0.392
0.392
0.391
0.534
0.53-!
0 .533
0.689
O.GB!!
O.GSS
I o 863
0.862
O.S61
l .069
I .067
I .066
1.333
u:w
1.32s
I. 7·!0
1.13-1
1.129
2.110
2.101
2.09:i I
2 .5!i7
2 .552
2.s3n
2.89S
2.878
2.au 1
3.965
:J.922
3 .ss3
20 0.127 0.25• 0.391 0.533 0.66• 0.860 1.OtH 1.325 1.725 2.086 2 .528 2.8-15 3.850
21 0. 127 0257 o .391 0 .532 0.680 0.859 1.OliJ u2a 1.;21 2.oso I 2.51s 2.s:J 1 :1.s19
22 0.127 0.256 0.390 0.532 0.6S6 0.858 .OGI 1.321 l.717 2.07-1 i 2 .508 2.819 3.792
23 0.127 0.25G 0 .390 0.532 0.685 0.858 ' .oso I.:119 1.71·1 Z.069 2.500 2.$(17 3.767
2·l 0.127 0 .256 0.:190 o 531 0.6S5 0.857 .05V I .:li~ 1.711 2.06·1 2 .192 2.19·1 3. i ·l5
25 0.127 0.25l)
! 0.390 0.531 0.68·1 0.856 .058 1.316 l.70S I 2.060 2..185 2.787 3.725
26 0.127 0.256 0.390 0.531 O.GS·! 0.85(; .055 l.31:) 1.706 I 2.05(i 2..179 2.7/U .'1707
27
28
0.127
0.127
0.256
ll.25G
I 0.~89
0.38!l
0.531
IJ.!i30
O.GS·\
0.6&'.1
0.855
0.8!i5
.057
.056
i.3i.:
1.:11 :1
l.703
L70 l
I
I
2 .os~
2.018
2..t73
2 ·Hi7
2.77 1
2.i6:l
3 mio
:l.(i7·1
~Ui59
I 29 0.127 0. 256 0.3S!l 0.5'.JU O.iiS3
cu;sa
O.S5·l .055
.055
1.311
l.~llO
1.699 j
l ~ .0·1 2
'.:!.0·15 2..162 2. 751>
l
30 O. l 2i 0.256 0.38!1 05'.lO 0.1!5·1 l.fi9f 2..l57 2.i50 3.G·lG
·IO 0. 126 0.25f> 0 .3SS ":::'.•11"1 n :: ~ 1 "'t°'.":. 1 I .050 U03 J.GS·l I 2.021 :~„1 23 2.70-1 :J.551
I
.;,.,
en
I 120
6() 0.1 26
O. l'lG
0.25·1
0 .25 ·1 I
O.:lSi
(J.:l86 ----'-~~__!_:;
- ·:::.-:..:
I.WG
· -:_.!.__'.· .O·ll .--1_:..:
"' Nu pods tawie: Pu:c1SSit..\ A. , P: .uc JŃ!:i KI E. (198~3) . Zacfol!ia. z pr<lbcibi!istyhi. P\Vl\: \Vnrszn\vn
l- ·::.
''--:..:-
H<:
Ui7l :
l.653
1.._1-....:.:.:=~
1
.().!(; I
j
2.000
l.9SO
:!.:mu
2.:l58
2.1rno I :uoo
:!.G 17__ .1..._:_
l.3_7.:!_
-1 1
Ta b e l a IV >
Rozklad F-Sncdccora
Wartości Fy, d la których P(F1,.h '?. F-~, ) ~" •
(( ~ 0.05
,_ C) ~l
·~ I
~ .:"')
l 2 3 4 5 6 8 12 20 f 1-·"> CC 6 7-l ~
"
zao.2 234.0 2 38.9 2·13.9 248 .0 2 5·1.:J "
LC' J>
~ '"
l
2
161.'I
18.51
199.5
19.00
215.7
19.16
224.6
19.25 19.30 19.:l3 19.37 19.41 19..1 !9.50
I
c ~ 75
"""'
:l 10.13 9.55 9.28 9.12 9.01 8 .9•1 8.84 8.74 8 .6 G 8 .5 :l
I "'
•l 7.71 6.94 6.5 9 G.30 G.26 s.rn 6.04 5.91 I 5.8 0 5 .!>:l I
5 6.61 5.79 5 ..!l 5.19 5.05 4.95 ·1.82 4.68 4.56 ·UG
6 5.99 5.M 4.7 6 4.53 4.39 4.28 4.1 5 4.00 :>.87 :l.67
I
7 5.59 ·i.7·1 4.35 4. 12 3.97 :J.8 7 a.n :l.57 3.-M I :l.2:l
8 5 .:12 4.-16 •1.07 3.84 :u;9 :l.58 3.44 :l.28 :J. !5 I 2.99
9 5.12 4.26 3.86 3.63 3.48 3.37 3.23 3.07 2.94 i
2.71
10 •1.96 '1.10 3.71 3.4 8 :J.3:J 3.2 2 3.07 2.9 1 2.77 2.5'1
12 •l.75 :l.8 8 3A9 3.26 3.11 3.00 2.85 2.6 9 2.54 :UO
H ·1.60 :J.71 :i.:J.t :J.11 2 .!JG 2.8 5 2.70 2.5:l 2.39 2. 13
16 ·Ul 3.63 3.21 :l .01 2.8 5 2.74 2.59 2..12 2.28 2.01
18 ·Ul 3.5ii :u6 2.93 2.7 7 2.66 2.51 2.:l4 2.19 l.92
20 ·!.35 3.'19 3.10 2.87 2.71 2.60 2Aii 2.28 2. 12 l.8'1
22 4.30 3.-14 3.05 2.8 2 2.6G 2.55 2.-10 2.23 2.07 1.78
25 ·1.:24 3.38 2.99 2.76 2.'50 2.-19 2.:34 2. 16 2.0 1 1.7 l
:io ·U7 3.32 2.92 2.69 2.5 3 2A2 2.27 2.09 1.93 l.62
60 4.00 3.15 2.7'5 2.52 2.3 7 2.25 2.10 l.92 1.7 5 i.:m
..
fz -:>ooo :J.84 2.99 2.GO 2.3 7 2.21 2.09 1.9•1 1.75 I.ii? I.O:!
u= 0.025
..
8 00 8 6·1 900 9 22 9 37 ! %7 977 993 1018
l
2 38.5 39.0 :l9.2 :l 9.2 3 9.3 39.3 :39.4 :l9.·I :39.'I :39 .5
:J 17 A 16.0 15.4 15.l 14.9 14.7 14.5 H.:J l•L2 13.9
•I 12.2 10.6 9.9 8 9.60 9.:36 9.20 S.98 8 .7 5 8 .56 8 .26
5 10.0 8 .1:J 7.76 7.:39 7.15 6.98 6.7 6 6.52 6.33 6.02
G 8 .81 7.26 6.60 6.2:J 5.9 9 5.82 5 .6 0 5 .37 5 .1 7 -1.85
7 8.07 6.5 ·1 5 .89 5.52 5 .29 'i.12 4 .90 ·l.67 ·I A7 •1.1'1
8 7.57 6.06 5.42 5.05 4.82 4.65 4,>1;) •1.20 4.00 :J.67
ery ".:'I "=" 0:.0 O
9 7.21 5 .71 5.08 ·1.72 ·IAB ·1.32 4.10 3.87 :J.(;7 :l.:J:l oo ~mo w
c)~<.!:;)....-1 ...-1
10 6.9 4 5.46 4.8 :J 4..17 4.24 4.07 3.85 3.62 :u2 :J .08
I
12 6.55 5 . !0 ·U7 •U 2 :J.89 :J.73 3.51 3.28 3.0 7 2.72
14 G.30 ·I.SG 4 .24 .J.8 9 3.66 :l.50 3.29 3.05 2.8·1 2.49
LG G.12 •1.69 4.08 .1.73 3.50 :J.3 -1 3.1 2 2.89 2.68 2.32
Hl 5 .98 4.56 :J.95 :l.Gl 3.38 3.22 3.0 1 2.77 2.5G 2.1 9 o o
o cri
20 5.8 7 ·IAG :l.86 3.5 1 :J.29 :l. 13 2.9 1 2.68 2.-16 2.09 cri '""'
5.7 9 •U8 3.78 3.4-1 3.22 :l.05 2.84 2.6 0 2.39 2.00 - - - - -·- · ------~
22
25 5.G9 ·1.29 :l .Gfl :i.as 3.13 2.97 2.75 2 .5 1 2.30 1.9 1
,,,
o o
o
o
:w 5.57 4.18 :l.59 3.25 :l .0 3 2.87 2.65 2.•! l 2.2 0 l.79 "'
60 5 .29 3.93 a.:H :i.o t 2.7 9 2.63 2.-11 2.17 UH 1A8
· --
r.!,-·"' 5.02 3 .Ei9 :i.12 2.79 2.57 2.-1 1 2.19 UM 1.71 U HJ
471
4 70
\V!Si\H·:\'„.SKI Z. 1985n. The e/fect of (rsym111etf)' of ilu~ geodt?tic olJseruution error distributio1t SKOROWIDZ
on the res11l1s of mljustme11i by the leust sq1u:res mellwd. Geod. i lvu·togr., :l•H l):
Wis:<!EWSK! Z. 1985b. Jictlwds {or solvirig u sJslem of i11dcpc11dent co"'litirmal •?q rrntwns.
Gca<!. i Kartog.-., 34( ll:
-· Hubem 378
WrSS!ĘWSKI Z. 1986a. Algebm mt?cierzy rlfo geuclo::iów. Wyd. ART, Olsztyn.
w n1~owa i :·35
\VtS~IEWSKI Z. 198Cih. ~\}'równanie obserwacji geodez):f1ty(·h :; za~;tosowrl11ie1n /ln:i;cjvnaltw· Ill ąd pominrn 125 - wektornwa :J 3 , l8G
sl<ltyslycz1tych modeli błędów. Zesz. Nauk. AGH, Geodezja, SG: ... losowy 125 wtaryg odno ścł 1·15
WtSNIEWSKI Z. 1987. Method o( geodetic 11etworh aclj11stmenl in extend i<> probabilislic m ., . s yste m atycrny 12G ·- wpływu 1:34
asurl!ment error properli~s. Zesz. N~uk. AGH, Geodezja, 95: Błąd polm<enia punktu 225
Wtilt<!EWSKI Z. 1988. Wyrówr11rnie sieci geodezyjnych z w,·1osvwa11tem pro/;nbilistycz1wgo
Elłą tl .śi·edn i i-10
modelu lohu!izucji systematycznych lub grubych błędów po111iaru. Geod. i Kartogr., funkcji wyrciwnan ych obserwacji :l2 ,I
37( >li: Uoczyn macierzy 12
funkcji wyrówn3nych parametr6w 2 18
W1st-:1ł:WSK! Z. 1989a. Metoda HP Cr.. [, li, Ili. Geod. i l<artogr., :J8( l): - Hadamanla 37
- pomiaru l•IO
W1st-:1EWSKI z. 1989b. E'slinrnlion o{ /ocal variuncc co1?/fici1!nts in adjustment o{ geodc!ie
sp•>strzeżcnia typuwego 15·1
- K hatri·H:10 :n
nelworb. Bo!lettino di Gcodcsia c Scicnze Affini, Anno XLV!ll, 2, ltaly. - ,;rc<lnieJ arytmetycznej lGO
- k1·onecke rows l'i 36
\VrSN11:v„·sK1 Z. 1990n. L(Jhr:.lt11t wspólczynnihi wariancji i ich eslymczcja pa wyrów11n11iii ~frei
- wyrównanego para metru 217 Kryterium o ptymaliwcyjnc 13·1
geodezyjnych. Geod. i Kartogr., :l9(95):
\VtSNIEWSń.1 Z. 1990b. Estymacja lohalri)'ch wspókz.ynnihtlw wariancji po wyrównauiri. sfrcl Defe kt m acicr;;.y 25 I<rytc ri um wyrówn'1nia J:M , 2 11
hątowo·liriiowych. Geod. i L<artoi,'T., :m(l5): Defekt s ieci geodezyjnej :J .t:} Liczba obserwacji nu<lti~zb owych Hl , :J ll
\VtSNIEWSKI Z. 1991a. Coniporalil.'C cutegori{~S in a.nalysis of uwlhods of geocłclic obseruntio1t całkowity al :J
adj11stmenl. Zesz. Nauk. AGH, Geodezja, 112: w•~wn.;tnny :3 12 Macierz ~}
W!SN!f:WSKl Z. 199 lb. Vectors o{ KTłl order momwts. Ze$z. Nauk. AGH, Geocl1!zja, l t2: - zewn~trzny (nawi:\"rnia) :n2 diagonalna LO, :19, ;l(J.I.
Wiśtm:wsKJ Z. 199:l, Rob11sl11ess µroperties 1)f I/w RP me/hod. Geod. i Kartogr., •12(2): bloko w a l:3
W1s:--111:wsK1 Z. 1995. Mo1Tt1!Tits t;cclors and their cstimation afta the lell»I sq1rnres ud;1< st- Dopclnienit~ algebraiczne 17 -- <lol:1czona 17
menl. Bollettino di Geodcsia e Scicnze Affini, Anno LlV, ·I, lta!y. Dystryb uant'\ 78 , 91 formy kwadr:•towej 100
\V1SNIEW~Kl Z. 199E)n. lr1fl.ueni;c of the t.!:r:cess oecuring in the abservation crrors cłistribulion - Jednostkowa 10
Eksces 89
on effeetiveriess of lhe variunce coef{icicnt cstillwte. Bollettino <li Gcodesia c S cicnzc ·- kofaktorów 17. l:l2, 190
Ekwi walent na mac icrr. w~lB' 380, •14G
Affini, Anno LV, :l, ltaly. -· ko rel acyj na !19
Elipsa 2:lG
W1i;:-m:wsK1 Z. 19!Hib. Estimation of 11,„ lhirrl and {ourtli order ci!11tml mome11ts of mctJsure- - kowariancji 98
ufności 2 :J6
11w11ts errors front .-:;1un::; of powcrs of łecJ::;.t squ.arcs adju.st1nc11l residuals . .Journa1 uf - es ty mat ora pop rawek '22 1, :J 21
poloicnia punk tu 2:l8
Gcodcsy, 70: - \vyrOwnanych o bserwacj i :_t .!2
.. kowa1·ian cj i (elipsa bl~<lu położ„ni a
W1śN!EWSK! Z. 1998. Ef{iciency o/' tJ,,, uariunce ql!ndrcztic estimator witlt regard Io th1t opti- ·· wyn},vnan ych p ar:.HnetrÓ\V 217 •115
pun ktu lu b eli psa bl~du średniego) 2:J8 1
mizatio1i pmblem. Bollcttino cli Geodcsia c Scicnzc Affini, Anno LVll, 3, ltaly. ~ kwadratowa 9
Estymacj:i 12'{, 147
W1sNJf:W~KI Z. 199911. The most c({t!dive estimator o{ uarimtce cve(ficiellt i11 georielic •)b"'- -- prostok:1tna 9
- punktowa 127
ruations sys"'ms. Geod. i Kartogr., 48(:>-4): -- przedzia lowa 127 , 157 skalarna 10
W1sx1r:wsKI Z. 1999b. A Collcept of Robust 8slimatio11 o( V<tricrncc Coerficie11t - symetryczna 9
E:; t y m atu1·
(VR-estimalion). Uo!lcttino di Gctj<lcsia c Scicnze Affini, Anno LVl!l, :i, lt:;Jy. t lu micnia H •I
k wadl·atowy 1·19
Wiś~m:wSK! Z. 2000. Algebra macierzy i slatyslylw nwtematyczn<: w raclwr1/w wyrów1ww- - tra nsponowana 12
punktowy 127
czym (z rndanimni). Podr~c,nik akademicki. \Vyd. Uniwersytetu Warmiń sko-:\b 7.ur ~· tra pezuv~·n 12
poprnwki 130
skicgo w Ols,tynie. pncd zialowy 157 - tnijlqtna 11
W1śN1r:WSK! Z. 2002. Koncepcje opracown11i" wyników pomiarów nawigacyjnych. Wyd. Aka- •. W:l [~ t:i:i. ;IO•I
wt!ktora poprawek 21:.l
demii i\farynarki Wojennej w Gdyni. współc,yn nika W<lri a n cji 155, ·118 - współczy nni ków ekscesu 152
W1sN!EWSKI Z. 2004. Metody opracowania wyników pomiai·ów w llawigucji i hydrografii. M-cstymacja l:M
Wyd. Akademii Marynarki Wojennej w Gdyni. F orma kwadratowa :l2 :'lleto<la najmni•~jszych kwadra tów l:JG
Wms H. 1972 . Hclmerts I.osw1g z1w1 Problem der freie11 Ndze mil singuliinr Normalg /e. - dodatnio określo na a2 ~·leto<la n ajwię kszej wiarygo dno~ci l 115
ichu11gsmniri.x. ZN, 5. - uj c1nnic ukreS:lona :~2 :\fotu<la parametryczn a (pośrednicz :\c:t ) 205
Woi.f H. 1979. SiTJgaliire Kouurirrnze11 i11 Gaa-ffr/rnert-Moddl. ZIV, 10. - we ktoró w losowych 100 ·- z warunkami :l·IO
Z1f:UŃSK! R„ Z11:trNSK! W. 1985. O <>dpomym esty1Twtorze wnrim1cji w mocie/u liniowym. Funkcja Metod a w<>nrnkowa :110
i\·Iatcmatyka Stosownna, 26: celu 1:3•1, 317 ·- z puramctrami :J+1
Z1~1.1tisK1W. 1989. Odporna esly1micjr: lwmpo11e11tów warirrncyjt1ych. Matematyka Stosowa- -- Lagrangc'a :l !7, :Hl Minor 17
na, :Jl: - rygoru 135 Model
Xv P. 1989. Ot1 robu st estimaliot1 with correlated obsauatio11s. 13ullctin Geodesi ąue , G:J: - s kalarna :J:l - funkcjo n a lny 129
Y,uw Y. 1994. Robw;t esłimaliot1 {ar depe11dwt obseruatio11s. ~-Ianuscripta Geodactica, 19: tlu rnicnia 377 , :!SO , •lo\5 - eleme ntarny 1:w
·· <luriska :379 ·- rozwi nięty 206
·- Hampela 378 - statystyczny 131
472
·-· l)gO.lny 1·19
- 5zczcgólny l·Hl
Składowa funkcji celu 13-\
l\fornenty SS
Stand~ryt~OWłlllY estymator pop1·:iwki 377
C<rn tralnc 59
- zwyczaj1w 59 57.ereg Taylora :l5
Siad mndcny :32
Obsen\-·acjn 0dstaja.ca 1~)5 , 372
Srcdnl(1 arvt1nct.vczna l;~s
Odchvli~nie standardowe 87 1~~2
ogólna {~„·~lion~ ) 138
Od"„.;otnoSC macierzy 18. 26 ·· t.wykła l-10
-- ni„osohliwej 18
- uogó1nionlł fg·odv~·rotnmk} 23. :~·1. ·103 Uk1ad n}wn;11i 21. 411
- normalnych 143. 318, :M2
Pochodna funkcji
obserwacyjnych 207
·· skabnwj \.\'7.gl<;dem \vektor:l :.M
·- , ...·cktorowej wzglGdein wektora J.1 ·- popr·awck (model funkcJ(inalr\\") 209
·- warunkowych :n l , 3-H •
Poprnwka 1:10
Poziom ufnoi:d 1.57 \Vaga (~kwlwah~nt11:1 :377
Prnpagacjn rn6 Wariancja S'i
macierz;.· kofokLorów 1~11 \VartośC: oc7.eklw;ina 8'(
-- rn8cicrzy kowariancji 188 Wektor 11, :is
mncit~n.y wag 192
·· JCdnostkowy lO
·- wektora wartosci oczekiwanych 186 korelat :l 17
Przcd7-ial dopu~zczalny dla hłcdów loso- - poprawek 13 l
wych :i72 ;;urnujący 11
Pseudoohsenvacja :358 .,..,·artoSei oc:.i.ckiw~n~ych H7, 18G
wyl)ików pomiarn l:ll
Rachunek wyrównawc<.v 206
-~ W)Tazów wolnych 21, 1•12
Heh"' la Sa rrusa lG -
wyrównanych param~trclw 205, ~n7
Hnzkład zmienne) losowej 711
\Vspolczynnik kowlacji %
-„ hr7.cgowy ~M
Wspótczynnik warianqi 1:32, \.19
··· clwu1niiurnwy 81
\V_vróv„·nilni~ odporne na b)(;rly g-rube :372
h1-k wadra l SG
\Vyr<)\vn:-tnic sek"-··encyjne 35.G .
normalny s:i
Wyrciwnanic ~woh<Jdne '107, ,110
--· ogólny S·l
odporne 1142
-· st;.1n.dardo\\.')' 83
\Vyznac:r.nilc tnacicrzy 15
·· wielowymiarowy ~)~)
równomierny 82 Zadanie wyrównawcze 211, ;ns
SLudcnta Sfj - ekwiwalcnl.nc :J80, ,148
~ warunkowy 94 Zafi::tda wyboru alternatywy 1·17
zero-jcclynkowy S l Zmienna looowa 7 G
Rozklaclv form kwaclratowvch 101 -~ ci~\gła 77, 9!)
Równan.ic pop1'<1wki , clwuwynliarowa !)O
·- do k<tl;i 251 skokowa 7G
-· do kierunku i nzymutu 249 \i..·ielo\vymiarowa ~)7
do wyniku pomiaru odl eg ło ś ci 2,17
474