~:

i
~.

Zbigniew Wiśniewski
'

RACHUNEK
I

WYROWNAWCZV
W GEODEZJI
(z przykładami)

~
Wydownlctwo
Unlwc~ytctu Wnrmlńok<:>-Mazur.iklego
w Olsztynie

Kolci,oium Wydawnicze UWM
Przcwodnicz;1cy
,J AN'USZ F.\L.KOWS KI
Redakto r D ziału
Al.OJZ'l W.\.S!Llo."WSKJ
Hccenzcnci
Ro~(Ąl-: K,,oAJ
W ITO LD PllóSiYŃSKI
Redakcja wydawnicza
IzAn~t-\ CmUT
Projekt okładki
MARIA FAł'INSI\,\
ISBN 83-7299-399-8
© Copyrigh t by Wydawnictwo UWM • Olszty n 2005
Wyduwnictwo UW:'.!
ul. .fana Hewelius za 1-1, 10·718 Olsztyn
tel. (0·89) 523 :l6 6 1, fax (0·89) 52:! 34 38
www. uwm.cdu. pVwyd;1wnictwo/
e·mail: wydawca@uwm.edu. pl
Ark. wyd. :l6,5, ark. druk. 29, 75
Druk: Zakład Poligi-aficwy UWNI w Olsztynie, zam. 507
Spis treści
OD AU'J'ORA .. „ . . „ „„„„„.„„.„.„.„„.„.„„„„.„.„ „.„„„.„ •• „„„„.„ „„ „ •. „ ..„„„.„ „„„„„. „„.„„.„„„. „ „ „ „. . 7
! . ALGEBRA 1''>'1:\CIEHZY „ „ „ . . „ „ „.„„.„„ „„„.„. „„„.„.„ „ „ „ „.„„„„.„.„„ .. „„.„„. „ „„„„.„„ .• „ „ „ „ „ . . „. 9
1. 1. Podsta wowe dzi > d nnia na macierzach „ .„.„„„ „ .„„.„ „ „ „ „ „ „ „ „ . „ „ „ „ „. „„.„ „ „ „ „„ „ „ „ „ „ „„„. 9
l. 2. Odwro tności nieosobliwych macicny kwad ratowych „. „ „ „ „„.„.„„„„„„.„ „„„„„„.„„„.„„. 18
L.3. Układy równa<i liniowych o kw;ulratowcj i nieosobliwej macierzy współczynników „„„. 21
J .'I. Uogólnione odwrotności macic.r q i ich zastosowa nie do rozwi<1zywania
ukladc)w równari liniowych .. „ . „ . . „ .„ ..„ „ „ „ .. „ . .„.„.„ .. „ .. „ .. „ .. „ . .„.„„ .. „ . . „„.„.„.„„„ . . „ .. „ .. „ . . 23
1.5. Ś bd m acicn y, fo rma kwadratowa, elementy analizy mncicrlowcj , specjalne iloczyny
i specjalne operacje na m;icicr1.;1ch . „ „ „ „ „ „ „„.„„„.„„„.„„„„.„„„„„„„„„. „„„„.„ „„ „ „ „ „ „ „ :12
Przykłady . „ . . „ .....•.. „„.„.„.„.„.„ ..... „ •..... „ ... „.„ .. „ ... „.„ .... .... „ .. . „ ...... „.„.„ .. „ .... „ .... „ „ ... .. .. .... ... „ . ... 39
2. PllOUAB!L!STYCZNE PODSTAWY METOD WYRÓWNANL\ „ „„.„„ „ .„.„. „.„„„.„„„. „ „ „ „ „ 76
2.J. Zmienne losowe jcdnowym iarow„ „. „„ „ „ „.„„„ „.„ „ „ „ „ „ „ „ „ „.„. „ „ „ „ „ „ „ .„„ „ „ „ „ „„„„.„ „ „ 76
2. 1.1 .Dystrybuanta. Funkcja zmiennej losowej. Kompozycj<1 rozkł adów prnwdopod o·
bic1istw „ „ „ „.„.„„.„ „ ... „ „ „ „.„.„„„.„„„„„„.„.„„ ... „ „.„. „„„.„.„„.„.„. „ „ „ „ „ „ „ „ .. „ „. „ . . 7(;
2 .1.2. Nicktorc rozklady zmic11nydi losowych „.„„„„„„ „„.„ „ „ . .. „.„„ „.„. „ „ „ „ . „ „ „ . „ .„„„„ il t
2 .1.:J . Parnmetry opisowe zmiennej losowej „ „ „ . „ „ „„ „ „ . „. „ „.„ „ „ „ „ „ . „„ „„.„„.„. „ .„ „ „ „ „ „ 87
2.2. Zn1icnno Joso\YC d\Vu \vyn1iarowt! ................... „ • • .. •. .•. .... .....• .. •.. •.• •.•.... ... ..•.••..• ....... . . ..•.•• •. •••.•.. 90
2.:). Wielowymiarowe zmienne losowe „.„„„.„.„ .. „ „ „. „ „ „ „ „ „ „ „ „„ „ „„ . „ „ „ „ „ „.„ „ „ „ „ „ „ „„„.„„ 97
2A. Formy kwadratowt: wektorów losowych ·• „„„.„.„„.„ „ „ „ „„„„.„„„ „ „ „ „„.„. „ „ „ .„„„.„„„„. 100
Pr1.yklady ... „ . . „ . . „ . . „ . „ . . „.„ .. „ „. „ . „ .. • „.„ . „ . „ . „ .. „ . . „ .„ .. „. „ . . „ . . „ . . „ . . „ . „ . „ . „ . . „.„ .. „ „.„ . . . „ . „ . . „ . . „ . .. 102
:J. ELE'.\IENTY WNIOSKOWANIASTA1'Y&'TYCZNEGO W RACHUNKU WYRÓWNAWCZYM „ t25
:J. l. Z:1 ł oienia podstawowe „.„. „ „ „„„„„„„„„.„„„.„... „ „ „ „ „ „ „ „ „ . . „ „.„.„.„„„„„„„„„„. „ „ .... „ . „ 125
:J.2. 8stymacja punkt owa „ „ „ . . „ „ „ „.„„„.„.„ „ . „.„ .. „ „ „ „ „.„ .. „„.„ .„„„ „.„.„.„.„.„ . . „.„. „ „ „. . „„„. 127
:J.2.1. f:sty macja punktowa w:irt osci oczekiwanej „ „ „ „ „ „ „ „ „„ .„.„ „„.„ „ „ „.„„ „ „ . „„.„. „ „ 129
3 .2.2 . l~sty macja punktowa w spółczynn ika war iancji .„ „ „ „ „ „ „ „ „ „ „ „. „ .„.„.„ .„„.„ . „ „ „„. 1'19
:!.;J. Estymacja prwdzialowa „ „ „„„„.„ „ „ „ „ „ „ „ „ „ „ „ „ . . „.„„.„„„. „ „.„„.„„.„.„.„.„„.„.„„„.„.„ .. 157
:!.3.1. Estym:1cja przedziałowa wnrtości <lc<.ckiwancj g(;c-') ~ r .„„„„„ „„„.„ „„ „ „ „.„.„ „ . J 58
:1.:J.2. gslymacja pri<)działowa wspó łczy nni ka wariancji .„„„ . „ .„.„„.„.„ „ „ „ „„. „ „ „ „ .„ „ „ 161
Prqklady „ „.„ .. „ .. „ „ „ . „ . .„.„.„.„.„„„ .. „ . „.„. „.„ .. „ „ „ . .. „„. „ .. „ „ „ „ „ „ „ . „ .„ .. „ .„„ „ „.„„„.„„„ .. „ .. „ . .l(i·t
·1. PHOPAGACJA WJ;;I~l'OHA WARTOŚCI OCZEKIWANYCH OHAZ MACmRZY KOWARIANCJI,
KOFAKTORÓW l WAG.„„„„„. „„.„„.„. . . „„.„.„ „ „ „ „ .. .„ „ . „ .... „.„„ „ „ „ „ „ „ „ „.„ „ . „ .. „.„.„„ „ „ „ „. 186
l'r?.yklndy .„ .. „ .„ . .. „ . „ . . „ ..„ „ ..„ .„.„ . . v„„„.„ . „ .. „ ..„.„„„ . . „. „ .„ .. „„. „ . . „ .„„ .. „ . „ . . „ . „ .„.„ .. „. „„. „.„ . . 193
5. KLASYCZNE METODY WYRÓWNANIA I ANALIZY DOKŁADNOŚCI .„„„„„„ „ „„ „ „ „ „„ „ 205
5.1. Metoda parametryczna „ „ „„„„„„„.„.„ ... „.„„. „.„„„.„. „„„„. „ „ „ „ „ „„„„.„„„„„„.„„.„„„. „. 205
5. L 1. Za<lunie wyrównaWC'll! i jego rozwi:\zanie ..... „.„ . ......... „ . • „. „ .. ......... . .• „ „ ............ ... .. 205
5. 1.2. Ocena dokładności „ „ .„„.„ „ „ . „ . „„.„„„.„ „ „ „ „. „ „ „ „ „ „„ . „ „„„„„ „ „ „ „„. „.„. „ . „ „ „ „ „ „ 216
5.1.:J. Ocena do kl adn ośc i w s ieciach 1~codezyjnych realizowanych w u kładzi e <...Y, Y} „ „ 224
:).l.-1 . Str„szczcnie procedury wyrównania i oceny d ok ł:ldności .„.„„„„ •. „ „ „„.„„ „ „ „„.„ 2:19
5.1 .5. Podsta\vowe znstosowani:\ ........... „ ....... ...................... ....................... ...... . .... ......... ... . 2'1 1 1
Pr~yklady „ . „ „ „.„„ . „ . . „ .. „.„.„. „. „ . „ .. „ . „ . „ .„ .. „. „ .. „ . „ „ „. „ „ „ . . „ ... „ .„ . . „.„ .„.„ . . „ . „ . „ „ „ „ .. „ .. „ . . . „ . .
253
5 .2. Metod a warunkowa „ . „.„. „ .„ „„„ „.„.„.„.„ „ „ „ „ . „ „ „ . „ „ „ . „ „.„„ „ . „.„ „ „. „ „ „ „. „„„.„. „„„„.„. :110
5.2.1 . Z<1łożenia .„„.„„.„„ „ „ . „.„.„.„.„„ „ . „ .„„„„„.„„„.„„.„.„„„„„„„„„„ .• „ . „„.„ „ „. „ „„ „ „ „ 310
5.2.2. Zadanie wyrÓ\\'nawcze i jc1:0 rozwi:\7.anic ........... „ ••• .•...•..•„ ... „ ••• ••.. . • „.„ ... „ .. .•••• „ . . .. 315
5.2.3. Ocena d okładności „ .„ „. „.„„. „.„. „ „ „.„.„.„„„ „.„. „ .„„ . . „ . „.„„ .. . „ . „ . „„.„ .. „ „ „ „. „ „„„. 320
Prz ykł ady „.„.„ . . . „.„ .. „ .. „.„. „ .„. „ . „ . . „ .. „ .„ . „.„.„. „ „.„ .. „ . „ . „ .. „.„„ . „ . . „.„ .. „.„.„. „.„.„ .. „.„„ .„.„„ . . 3 25
6. METODY MU:S%:1'u"IE „ „.„.„.„„. „„ „ . „„. „ .. „.„„„„.„„ „ „ „. „ „ . . „„„„„„„.„ .„„.„„„„.„.„.. „ „„ „ „ „ 3 •10
G. l. Metoda par:unclrycz11a z warunkami wi:1ż:1cymi parametry „.„. „ „ „ „ „ „ „ „ . „ . „ „ „. „ „ „ „ „ 3 4 0
6.2 . Metoda warunkowa z parametrami . „ „ „ „ „ „ „ „. „ .„ „ „ „ „ „ „. „„.„„„„„ „ .„„. „ „.„.„.„„„„.„ „ :J+l
Prqk!ady .. „ . „ .. „ . . „ „ „ . . „.„.„. „ . „ . „ . „ „ . „ . „.„. „ . „ „ „ „.„„ . . „ . „ •. „ „. „ . „ . . „. „ . „ .„„ „ „ „. „.„ „ „„„.„ ..„.„. :J.18
7. WYRÓWNANIE SEKWENCY.JNE .......... „ „ „ „ .............. .......... „ ............................ •...... „ . .... „ .... 356
Przyklady ............... „ .. .... „ ......... ...•...••..•.....•.... „ ............ .. .... ......... ... . ......... .... .... •................. . ... ...... 362 OD AUTORA
S. W'l1~ÓWNAN'TE ODPORNE NA BŁĘDY GRUBE ... „ „ ... „ ... . „ ......... ....... „ „ .. „ ..... „ .. .... „ .. „ ...... 372
S. l. Zalożcnia podstawowe .. „ .. „ „.„ .... „ .... „ .. „ . ... „ .. ............ „ ..................... „ ........ „ .... „.„ ... .......... 372
S.2. Wybrane funkcje t łumi enia .................... ... „.„.„.„ . .... „ .... „ .................. „ .... „ .... „ ...... .. „ ........ 378
S.:3. Algorytm wyrliwnania odponiego (zmodyfikowana metoda NK) ..... „ „ .„„.„„ ................ „ 380 Podręcznik jest przeznaczony przede wszystkim dla studentów kierun-
Pnyk!ady ...... „ .... ................. „ .......... .. . „ .... „ . .................. .. .. „.„ ....... .. . . ............ .. „ ........ ........... •... „ .. 33;3 ku geodezja i kartof,11·afia studiów s t acjonarnych i zaocznych. Zawiera tre-
9. WYRÓWN;\NTE SWOBODNE ...................... „ ..... ......... ......... . .. „ . ..........•.. „. „ ... „ ..••.•.•........... 402 „ .. ści realizowane w ramach przeqmiotów rachuneh wyrównawczy i obliczenia
9.1. Idca wy:·ciwnania swobodnl!go ................. „ ...... .... „ .. „ . .......... . ......... . .... .... „„. „ . .. „ ............. „. 402 geodezyjne. N iektóre jego fragmenty wykraczają jednak poza ramy trady-
9 .2. Teoria wyn)wnania s wohodncf.!O&.................................................. ...................................... ·ł07
cyjnych programów obowiązujących s tudentów, i mogą zainteresować dok-
9.:t i\1acicrz k<>Wlll;Hl\ Cj i \VyfciWll<ltlych paramclrÓ\V ··············-······· · ········ ···········•············ ·•······ 415
Pi-1.y klady „ ....... „ .. .. „ ....... „ ......... „ ................. ........... ......... .......•....... „ ................ ...... „ ...... „ .... •... „. 419 torantów oraz innych pracowników n aukowych , specjalizujących się w za-
.t o. ODI'OlrnE WYRÓWNANIE SWOBODNE „ „ „ ...... „.„ .... „ „ ............. .. „ . „ ... „ „ ....•......• „ .... •.. „ .. 4·12
k resie metod obliczeń .
10.1. Zaloi.cnia pods tawowe ...... „.„ ................ „.„„ .......... „ ..... „ .. ............ „ .. „ .. „ .. „ .•.... „ „ „ ... „ ..... 11·12 \V podręczniku omówiono metody wyrównania oraz oceny dokładności
10.2. Ekwiwalentne zadanie w odpornym wyrównaniu s wobodnym ..... „„. „ „ „ „ .. „. „ „.„.... „ .. ·148 wyników pomiarów geodezyjnych. Metody te objaśniono z zastosowaniem
Pr1.yklad ... „ .. . .................... .. ..... . ..................... ......... .............. „ ..................... ........ „ „ ....... „ ... ...... „ 45 1 współczesnej algebry macierzy i w nawiązaniu do teorii estymacji. Znajo-
TABLICE: ST1\1'YSTYC7.Ng ..... .. ......................... „ ... . ............. „ „ .......... „ .... „ „ .. „ .. . ... „ .. ........ . „ .... „. 41;5 mość tych działów matematyki jest więc konieczna do zrozumienia przed-
LITERATUR:\ ................. „ ... „ ..... ... ...... . „ . .. ~ ......... „ .„ ......... . „ ........ ....... ...... . „ ...... .. . ........... „ .. ..... . ..... '170 stawionych założeń, wyprowadzeń i algorytmów obliczeniowych. W celu
SKOROWIDZ ....... ................. „ „ ... .......... „ . . . „ . . . . .•• • •••. . • • •• ••• „ .......... .............. ........ „ .. .... . . ....... „ . ......•.• •173 ułatwienia s tudiowania, omówienie zasadniczych problemów jest poprze-
dzone rozdziałami dotyczącymi a lgebry macierzy, rachunku prawdopodo-
bieństwa oraz elementów wnioskowania statystycznego (w zastosowaniu do
rachunku wyrównawczego). W takiej też sekwencji są na ogół realizow ane
przedmioty, których ten podręcznik dotyczy.
Przedstawione metody wyr6wn ań i oceny dokładności wchodzą w za-
kres współc zesnego rachunku wyrównawczego. Omówiono więc nie tylko
metody klasyczne (metodę parametryczną i metodę warunkową), lecz także
metody mieszane (metodę parametryczm1 7. warunkami wiążącymi parame-
try i metodę w a runkową z pa rametrami), wyrównanie sekwencyjne, meto-
dę wyrównania odporną na .błędy grube (w nawi ązaniu do M-estymacji),
wyrównanie swobod ne oraz odporne wyrównanie s wobodne. Praktyczne
sposoby realizacji każdej z tych metod są objaśnione na przykładach maj ą­
cych związek z podstawowymi (niekiedy elementarnymi) zadania mi geode-
zji. Czytelnik po zapoznaniu się z teoretycznymi założeniami omawianych
metod może jednak znaleźć dużo szer sze ich zastosowanie.
Pragnę podziękować Panom Recenzentom , prof. dr. hab. inż. Romanowi
I<adajowi oraz prof. dr. hab. inż. Witołdowi Prószyńskiemu, za szczególną
życzliwość i cenne uwagi.

Zbi6rniew Wiśniewski
 1. ALGEBRA MACIERzy

1.1. Podstawowe działania na macierz ach

Macie r zą na zywamy układ' n -m e leme ntów (liczb) u porządkowanych
w n wierszy im kolumn

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·"' ).

Macierz e o specjalnej strukturze

- macier z prostokątna (n 1'- m): pionowa (n> 111), pozioma (n < m) , np .

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;

- macier z s ym e try czn a - t aka macie r z kwadr atowa , w której a, = afi d la

1
każ dego i,j ( Vi, j)

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

Niekiedy znajduj e zas tosowani e m acie rz diagonalna Diag(A) tworzona

z diagonal nych e le me ntów macie rzy A . ,Jeśli A sama jes t m a cierz ~\ diago-
A= [-o
o' ··..
o --3J
:1
n::d m\ , t o Diag(A) = A. Macierz di agon a ln ą m o żna z ap i sy w ać w postaci
A "" Diag(a 11, a 22 • ...• a „ 11 ) - macierz t rapezowa, np.
- macierz skala n rn -- macierz diagon a ln a , w której Vi: a;; "' c, czyli górna

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_

Vi,k: C;k =··2/Ii/Jjk (1.2) -4 5

j"'I Własności:

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

~r 3] - 5. AT ~' A, jeśli A jest macierz<i symetryczną

[~
I -I =[3·0+1·1+4·:i 3·3+1·(-1)+4·4] [21 24]
o ~ 5 4
2-0+0·1+3·5 2·3+0-(-1)+3·4 = 15 18 Macierze blokowe
Niekiedy macierze wygodnie jest zapisywać w postaci blokowej, np.
A B c
Własności iloczynu: 3 4 5 6
L ABC= (AB)C =A(BC) prawo łączności
~

2. (A+ H)C =AC+ BC <- prawa rozdzielności

3. Jeśli AE ':H'1•111 oraz BE 9\m.1i, to istnieją iloczyny AB i BA, przy czym
'
\ - [A1 1
- A21
A 12
A12
A13 J=
A2:1. 6 2
2

{) ()
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.

(jeśli istnieje zgodność wymiarów dodawanych podmacierzy).

Własności:

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

[CA Dn-I. : E]F =[AE+nFJ

CE+ DF
Pr z y pad e k 1. ogólny.
Rozkład m acierzy prosto kątnej AE 91''·"'. /1 < m, polega na wyznaczeniu
macierzy trójkątnej górnej H E 9\"·" oraz macierzy trapezowej G' E 9\ 11 •111 ,
AF +BH AI + BJ] takich, że
CF+DH CI+DJ ( 1. 7)
czyli
jeżeli istnieją odpowiednie iloczyny elementarne, czyli jeżeli i stnieją ilo- G'
czyny AE, BF, CE itd.
o ...
g,,.. 1
~ H~
gl2 g ln g l ,n+I
Rozkład macierzy kwadratowej na czynniki trójkątn e
1 t-~2.n + .I .. .
Przy pa dek 1. ogólny. C2n g~Jll ==
Rozkład macierzy kwadra towej na czynniki trójką tne polega n a wyznacze-
niu takiej pary macierzy trójkątnych gó rnych H E ~H" ·'' oraz G E 9\ 11 •11 , że h.1111 O o 1 g„,n+I gn,m .J
'-'···- --- ~----~
G Le
HTG = A ( 1.5 )

N a ogół przyjmuje s ię, że pr zekątnio wymi e lementami m acie rzy G s <\

jedynki (mogą to być też dowolne liczby różn e od zera). Wówczas

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

Wyznacznik macierzy kwadratowej A E 91"·"

= L.

Lr1„ '2„ '~"' .

(l /Jll

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

dcc(A) = I , (- l)i +iaudct(AUil) ( 1.9) 6 . dct(A- 1 ) :::: 1/ dcl(A)

i"'' 7. Jeśli H i G s<' trójkątny mi m a cie rzami określonymi przez rozkład (l.G), to
11
gdzie: A (ij) e 9\ - 1. - podmacierz powstająca przez usunięcie i-tego wiersza
11 1 - n n n
oraz j-tej kolumny macierzy A. dcl( A )= d c1( H .,.G) =dc1( H )dc1(G ) = n it;;· I1 f11i;; ,iJ;; = = de1(H )
i=l i= I
Rozwinięcie dct(A) może być prowadzone także względem i-tego wiersza .
Stosując tę d efinicję

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

Minorem ,\,f; · wyznaczn ika dct(A) nazywamy wyznacznik (podwyznacznik)

utworzony z p~zostałych e le m e ntów wyznacznik a <lct( A) po wykreśleniu
i-tego wiersza oraz j-tej kolumny, np. jeś li
oraz j= l, otrzymamy
4 61
det( A) = (-1)2 a11 la22
a32
a23 j + (- 1)3 a 21
a 331
la12
/a32
a13 1+ (-1)4 a31la12
ll33f a22
a1 3
a23
I= cJc1( .-\ )== 2
51
I

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

k„lj =(-·· I Y'+j /vf ·· I}

(LlO}
gdzie:
i - numer wiersza, j - numer kolumny.
Maci erzą dołączom1 (macierzą kofaktorów) nazywamy m acierz

"l
Własności :

1. dc t(A) = det( AT ) k12

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

4. dcl(A) == IJ a;;. gdy A e 91"·" jes t macierzą diagonalną Rządmacierzy

i=l macierzy A E 9\ 11 •111 jest równy wymiarowi najw yższego slop-
Rząd R(A)
niem niezerowego podwyznacznika wyjętego z macierzy A.

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)

5 . R(A B )=R( A ). gdy B j est nieo s obliwą macierzą kwadratow<1

Niezn ane e le menty x'.!„, 11„ trój kątnych macicrzv c·-l i ff.
1
obliczamy ko-
(J.' , Jes·1·l X;;:, 9'"
I . I , )' E crm . I . to A :::: x y r E 9\"·m, /?(A) = I I ' lj J
A 1
I r;r,ystając z re lacji: G" G "" rn , H-1 n "" I Il
=Irl ' tz n.
i
Odwrotności I I X12 o
1.2. nieosobliwych macierzy
1r "" j ;01
11
ł
o I

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{

Odpowiednia realizacja zależności

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',

1.4. Uogólnione odwrotności macierzy

i ich zastosowanie do rozwiązywania
Z powyzszego rozkładu wynikają na stęp ujące za le żności:
układów równań liniowych
łl T(,
' = A)
Uogólni oną odwrotnością (g-odwrotności<i) macierzy A E ~Hn .m o rzędzi e
T f
(•} H Le; = L J R(A) = r nazywamy macierz A - E ~}\'"·". spełniając;'\ za leżność (np. RAO 1982)

Korzystając z pierwszej z nich , zapiszemy (1.22)

HTG=A /·G - 1 -;
H T == AG - 1 Uogólniona odwrotność A „. jes t taką macierzą, :le dla dowolnego
\V prowadzając maci erz llr =A c;·· l do zależno ści (*), uzyskamy:\ c- 1Lc; ~0 L, L (; 9\ 11 •1 wektor
a nastę pnie
1
A -!
·/ \,. ('" -· 1'G"'"' I, -)
l jest rozwią7.ani em r ównania AX = L. Istotnie, j eśli przyJm1emy, że powyższe
i równanie ma rozwiązanie oraz weźmiemy pod uwagę zależność (1.22), to
Ponieważ A- 1 L :::: X, więc G „ 1 Lc; = X oraz !
l·l AX=L
G ·/

czyli
Le = GX
l
(AX = AX ~~_:-..::\X = AX)
,\
"">
-
AA - L = L
X

skąd wynika, że X :::: A ·-L. Można wykazać, że rozwiązanie X =A „L jest

(l.20)
prawdziwe także dla takiej uogólnionej odwrotności, że
Przeprowadzone pr7.eksztalcenia pozwoliły na zast.iwienie układu r6wnań
A X = L o dowolnej (lecz kwadratowej i nieosobliwej) macierzy współczynni­ A - AA - = A ... (")
ków A układem G X = Le, w którym macierz współczynników jest trójkątna.
Skoro G jest macierzą trójkątną , to ni eznane elementy wektora X można Zakład ając bowiem, ze X== A -L rnzwiązuje równanie AX == L. mniemy
wyznaczyć rozwiązuj ąc równania o jednej niewiadomej, b ędące rezulta- zapisać
tem mnożenia kolejnych (poczynając od ostatniego) wierszy macier1.y G AX == L e:> AA - x, == L
przez wektor X (z przyrównaniem do odpowiednich elementów wektora Le;).
a następnie
Z<item
A - ·I AA ·· L "" L = > A - AA .. L
"--..,..- - ··~-'
=A- L

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

wi cie uogólnionych odwrotności spełniajf\­

jednak, oprócz warunku (1 .22), nakładać n a
ndwrntność speł­

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

wania wyników pomiarów szczególną rolę (oprócz odwrotności A- ) odgry-

1 • .,. A •

wają: g-odwrotność o minimalnej normie, g-odwrotność w metodzie na~­
mniejszych kwadratów oraz g-odwrotność o minimalnej normie w metodzie
najmniejszych kwadratów (np. P<:HEL..'.WTER 1980, PaószTIISKI 1981, PRóSZYŃSla,
SosNOWSKJ 1995, W1śNmws1a 1985c, WOLF 1972, 1979).
Załóżmy, że macierz A o rzędzie r można przedstawić w następuj::\cej
postaci blokowej
,\ :o::
[DB C]E
gdzie: B e <Jt"' - nieosobliwa podmacierz o rzędzie r. Wówczas jedną z g-
od\vrotności jest
X NX =mm ( l.25)
W poprzednim podrozdziale abalizowaliśmy układy równar\ o jednoznacz-
nym rozwiązaniu X ::: A - IL . Oznaczenia X będziemy natomiast używa li
w celu podkreś leni a , że jest to jedno z wielu moż liwych rozwiązań układu
AX = L, spełn iające jakieś dodatkowe kryterium , np. tutaj xrN X= min .
Podobne oznaczenie, nie bez powodu, będziemy również używali w dalszej
części książki, mając na myśli estymatory. Wyrażenie X.TN X, nazywane też
form<\ kwadratowa„ jest kwadratem normy euklidesowej wektora X wzglc;.~­
dem macierzy N, co zapiszemy jako

jest normą wektora X, na tomi ast ljxjj = JxTN X nornJ<l wek-

{l.23)
(Jl'x:J, = Jx.,.X. I. " N
tora X względem macierzy N).
Możliwość takiego przedstawienia uogólnionej odwrotności A -· ma duże
,Jednym z wariantów uogólnionej odwrotności o minimalnej normie jest
znaczenie w formułowaniu praktycznych procedur związanych z obliczaniem macierz
g-odwrotnośc i .
A
-
111 (N) = N - I 1'( ,\ 1N - l A
l · A
r )- (1.26)
Uogólniona odwrotność o minimalnej normie
Załóżmy, że AE •:J\''·"', /1 < m oraz R(A) = 11 , skąd wynika, ze istnieje od-
,Jest to taka g-odwrotność A;,,(N) e <Jtm·11 macierzy A e ~t • • że
11 111

wrotność (A N- 1 AT )-l macierzy A N- l AT E 'Jt"·n 'Wówczas

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)

Załóźmy, w odróżnieniu od poprzedniej wersji, że AE 9\"·"', /1 > m,

1
R(A) == 111, co oznacza, że t.kt(Ar MA) ;1: o i istnieje odwrotność (ATM A)-
macierzy ArM AE 9\ 111 ·"' . \Vówcz;s
skąd wynika, że liczba niewiadomych o wartości równej zeru jest równa
defektowi. Zatem, jeśli w opr a cowaniu ·- wyrównaniu niezależnych układów
+ - I T T - I T· - '/'
obserwacyjnych o defokcie d stosuje się uogólnione odwrotności A /(~t)> t o AMN = N A MA(A MAN A MA) A M=
problem to.ki jest równoważny klasycznym rozwiązaniom, w których przyj- I T
=N-A MA(A T MA)"" I N(AT MA)-
. I '/'
A M =
muje się s tałość d elementów sieci geodezyjnej, np. współrzędnych wybra-
=(ATMA)-IA TM
nych punktów, azymutu któregoś z boków itp.
Między g-odwrotnością o minim a lnej normie ara?. g-odwrotnością w me-
todzie najmniejszych kwa dratów zachodzi następujący związek (R\O 1982): Wynika stąd, że jeśli <lct(A TM A)" O, to A~1 N = A~Ml (zobacz wzór 1.32).
Przyjmijmy jednak (np. tak jak w przypadku swobodnych sieci geodezyj-
(1.34) nych), że R(A) = r < m i macierz ATM A E ' .J\'"· 111 jest osobliwa o rzędzie
R(ATMA) = R(A)=r i defekcie d = m-r. Niech (tuk jak to czyniliśmy już
wcześniej)
Uogólniona odw1·otność o minimalnej normie
w metodzie najmnfojszych k wadrntów A = [Ai, Az}
Jest to taka g-odwrotność macierzy A~1 N E 9\"·"' , że (np. R\O 1982) gdzie: A 1 E ':l\"•r, A 2 E9\n.d oraz R(AfMA 1 )=R(ATMA)=r. Jeżeli założy­
i) A A~tNA = A ..i:~ ~--„···: ""'-······- g-odwrotność my, że N jest m acierzq symetryczną, można ponadto zapisać
u) (AA~1 N{M "" MAA;(1 N I .... . ..J g-odwrotność w metodzie naj-
I mniejszych kwadratów
iii) (A~1 NA)7' N = N A;tm A ~-- J g-odwrotność o minim alnej normie
oraz dodatkowo
Wówczas
iv) A~1NA A~tN ::: A~1N
Uogólniona odwrotność k~ 1 N jest j ednoznacznie wyznaczalną g-odwrot-
nościq macierzy A, taką że wektor

(l.35)

stanowiący rozwiązanie równania A X = L, nie tylko s pełnia własność

(A X- L/ M (A X - L) = min, lecz jest także wektornm o minimalnej normie
względem macierzy N. Zatem, X= A~1NL jest takim rozwiązaniem równa-
nia A X =L, 'l.e

• 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:

(przypomnijmy, że Q 11 =A{:VIA~. Q 12 =A{MA~ ) .

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)

Odwrotność A ~ 1 , wyrażona wzorem ( 1.40), jest nazywana częst o uogólnio ną

odwrotnością Helmcrta-Wolfa.
Przyjmijmy, że tak że M =I n. Wówczas

a następnie
lub, zapisuj:\c inaczej,

(1.38)
Uogólnio na odwrotność

jest nazywana odwro tn ością Moore'a -Penrose'a.

przy czym N pozostaje nadal macierz<~ symet1·yczn~\- \Vówczas

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),

fJF(X) <.lh( X) ()J2( Xi

--·-·-·-·----· = ax ·-~;i·- -
()X

?!'!_Q5)_ ir'!.~~ () T
a.\·m J g) -···- AU C ~ A ®C .
ax (JB

nazywana macierzą ,Jakobiego. ()

h ) .......... lJ = I.
;m
02 02
:3. Dru gą pochodną - ··2 funkcji f( X) (:zapisywaną także jako -· ---=;--- )jest macierz
~ ~X () Xr X - {X X T. gdy 13 nic j est macicr7..ą symetryczną,
i) -·- , ]3 , __ ..
()B 2 X X 1 - Diag( X X{ . gdy B jest macicr1~1 symetryczną,
2.~~~) il 2 f (X)
Vx? -a:~~r;:;·
()
j ) ·:·- · Tr(U C) =
{CT,gdy
..
Bnic jest macie17.ą. symetryczną,
.
;;l/( X) a'nxi
_ ";)"__ _ r)B c + c' - Diag(C ), gdy B Jest mactcrLą symetryczną,
-<>.r,a:;,-· ().c2

()
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 „.

a,,, a„2 llnm bnl b„z /;,:,:, = a t a,1zlJ112 „ . "rimb„m

(1.45)

gdzie: np. [ 2
3 4 -~]*[~
o
2 !l=[ 4
3
()

8
-6] 30

A ::: ?F<~I E •:J\'

1 111
•
0
w :.: F(X ) E <J\ · .
11 1 Własności (R,\o 198 2):
ax lx·=Xo ' a) A * 0=0

Specjalne iloczyny macierzy

b) A * 11.,. = l i'r * A = A, (przypomnijmy: l r =[ I, I, .. . , Il )
1. Iloczyn kron eckerowski. Niech AE •:J\'1•111 oraz n E '.Jl f> ,I}. Iloczynem kro- c) A * H= B * A
neckerowskim macierzy A i n nazywamy macierz d ) ( A + Il)* C=A * C + B * C

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

A @B = ~i.! @ h:2 "'

.~. ]=
a2 ® b 3 ai I {)
[
cl 11 b,1
Diag(a 11 ,a 22 , ... ,a 1111 )
Di,g(A) = -:·

r o ann.

np. [2I Ol~J--[

® 3 -IJ
2 3
= l 6·· · -
4
2
2
(i

3
3
2
o
-li<-·
O
a1 ® b 1
_3 f- a 1 ® b 2
<---a 2 ®b 2
Przykład 1.1
Przykłady

Wyznaczyć macier ze: F =A - B + C, D = 2M +NT, Q::: TT T, gdzie:

Specjalne operacje n a macier zach _')

1. Wektor utworzony z kolumn macierzy A e ~)\n.m

C=
[
- 3
3

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

3. Wektor utworzony z diagonalnych elementów macier zy A E 9t"·m

,Jakimi macierzami są Fi Q?
'· T
vcd(A) """ [a1 I· a22, . . · • a"" l Rozwi ąza ni e

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

o 2]4 + [-ol o ~] =[-~ ~ ~]

o 2
P rzykład 1.4
R oz łożyć na czynniki trój kątne macierze :

=TTT=[lO O -lJ[I O-IJT =[lO O=t~ _:]=[~ ~] :l [' ~~1 ~]

6

•=[~
15
Q I - 1 O l - I
4
81
15
19

F E <J\ 3· 3 jest macierzą jednostkową, nat omiast Q macierzą symetryczmi..

,\ =[: 5
5
19 .
l7J
2
6 8
C = 15
12
29
22 26
D= G
b
5
4

Przykła d 1.2 Rozwiąz an ie

Aby rozłożyć macierz A (nicsymetryczm\), na leży zapisać

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

Wektor 1 3 ma postać 1 3 =[lI t{. Zatem . ur G A

Nieznane elemen ty macie rzy li oraz G znajdziemy mnożąc pierwszy, drugi

i trzeci wiersz macierzy nT przez ko lej ne ko lumny m acic1·zy G i przyrównu-
jąc wyn iki tych dział::u'l do odpowicclnich ele mentów macie rzy A (wg zasady
:J mnożeniu macierzy). Każde z wymie nionych działań umożliwia sformułowa­
nie równania z jedn<.\ niewiado m ~. u zatem m nożymy pierwszy wiersz ma-
cierzy nTprzez kolejne kolumny macierzy G:
Przykład 1.3
/i1I · I + 0 · 0 + 0 · 0 :: 2 '111 =2
Obliczyć macierz F = A ((Il + C) D)T. jeśli ··-)

I], B= [2l O J• C=·[2O OJ D=[O2 ~

1 2 3 ' 1i,,·g12+0·1 +0·0=4

Rozwiąza n ie ©"' -> g13 =:I

h11 · g 13 +0 · g23 +0· ł=8
.Jeśli wyznaczymy
Następnie mnożymy drugi wiersz macierzy ur przez kolejne kolumny
macierzy G:

(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 ,

h1z·g1 2 +iho ·1+0·0=5 zapiszemy:

0©"' 0 .

oraz mnożymy trzeci wiersz macierzy HT przez kolejne kolumny macierzy G:

r
1

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

Z przedstawionych wcześniej uwag wynika, że nie jest to jedyny, chociaż

najwygodniejszy (jak się wydaje), r ozkbd macierzy C na czynnik i trójkątne.
Jeśli rozłożymy macierz D na czynniki trójkątne, uzyskamy:

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

A=[~ ~i •=[: ']

16 8 12 3 6
11 19 9 H > 2 4 4 cp Q) <V
22 21 21 6 4 10 12 hu · g14 +hn · g14 +O · .t;34 =9

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

Rozwią za ni e -> h23:::: 2

W celu przeprowadzenia rozkładu macierzy A n a czynniki, zapiszemy:
cp cp <p cp
h13 . g 13 + h23 . g 23 + h33

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

i n astę pnie, podobnie jak we wcześniejszych zadan iach, obliczamy:

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

Po ro:1,kladzie macierzy B, uzyskamy: Rozwiązani e

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

ur G' -- n Wyznaczn ik macierzy B :

Przeprowadzając rozkład macier:1,y C {a także macierzy D), można skor zy-
stać z tego, że w „części kwadratowej" s <\ to macierze symetryczne, zatem:
l -1
1
1 .... "2 ..., .. ·3.J, .. ·1 .„-·2
-. „ ·. .-r·. .-
..:2.. ..'·;{·.1·-'i-. 2 ::
)..-·~::::.„.~·.-.-.:„„.„(. :~:~2.:::::~----..
rl:::~ '~2 ~ -l r~1 lj, ::: ::: ;:~: '.~~'Jl ["~ 120 ! -~ ~ 0" c=/ 0· ···0 ···0 "·0
r1 ~ ,._23 r33 O O
'--~·---..r-----...1 ....... ~p--··-~ ----.....__·--~
r33 r:; 4 „~: = [.2 4 18
"'·---~~--~.....__-~~~-::„
8 5 "" l · 2 · l + 2 . 4 . 2 + 3. (- 1) . 2 - 3. 2 . 2- 1· 4. 2- 2 . (·- 1) · l =- 6
Rr n L11 Co L
'----------...------- '-------......,....--~
R' C Wyzn acznik macierzy C:
Obliczając wyznacznik macie rzy C, można skorzystać z następującej wła­
'Wydaje s ię, że dzia łania związane z poszukiwanie m macierzy H i dodat-
sności :
k owych kolumn LR nie wymagają k ome nt arza, wobec t ego m o żna n ap i sa ć
od razu rozwi ązan ia: clcc( C) =dcc(c D ) = c" dct{D)

o 2 4 2 2 2 Jeśli przyjmiemy c = 328, uzyskamy:

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

wyznacznika macier zy:

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)

det(A) = <let(H) det( G) =Il h ·Il =Il hii = det(H)

1; gii
I

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.

[ ~ ~ ~i[~o o~ ~i =[~ :~ I~]

Macierz A. Sprawdźmy, czy wartość najwyżs zego stopniem wyznacznika,

5 2 1 1 5 22 2 1
lI a więc wai·tość d<:t (A ) , jes t róż na od ze ra:

1(/' G A I dcl( A) "" ! l

'
2 4!'-"3 · 2 8+2 ·3-4+6 -l· ,l - 2 · 2 6 - 8 · 1-3-3 ·4 -4=0
wi ęc

det( A) =dct(H) = 4 · 3 -1 =12

I j2 4
'
Si

M acierz B jest symetr yczna, zat em

I Za t em r zqd macierzy A j(~st m ni ejszy od 3 (R(A) < 3). Wyzn aczmy te raz
wyznaczniki drugiego stopnia (w przypadku macierzy kwadratowej o wymia-
rnch 3 x 3 sq to minory }v/ij drugiego s top ni a) oraz sprawdź my, czy wartość
chociażby je dnego z nich jest różna od zera (to wystarczy, aby R(A ) == 2) :
f
I
48 l 49

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.

MI l = 1\4 12 = ,wlJ "" M :: I = M 22 = lvl 23 ~ M .l I "' M :n "" M :n = Przykład 1.10

1
t1
l=o -) /?(B) < 2 Korzystaj<\C z definicji odwrnt.ności, ob l iczyć odwrotności następuj<\cych
macie r zy trójkątnych:

Dopiero wyznac:.miki pierwszego stopnia, tzn . elementy macierzy B, są niż­ 3 2

ne od zera. Wobec tego R(ll)=I oraz d=11 -· R(l3) = 3-1 = 2. Aby R(H)=ł. A= o 2
ch ociaż jeden z elementów macierzy n powinien być różny od zera. Zauważm y, o o
\.
że jerlyn<\ macierzą o zerowym rzędzie jest macierz zerowa, a więc macierz,
której wszystkie elementy są równe zcrn.
Rozwinzanie
Maci er z C. Macierzy C można przyporządkować kilka wyznaczników Odwrotności macierzy trójk:ltnych można obliczyć korzystajnc wprost
trzeciego stopnia (maksymalnego stopnia dla t ej ma cierzy) . Utwórzmy np. z definicji o dwrotnościmacierzy, tzn.
wyznacznik

"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
-~
->

X2 t . 2 + X22 . j + X23 . J :::: ()

J ,,
o
o
n-'
6
l

·'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

A„1 A 13 p rzy czym w przypadku symeti·ycznej m acierzy B, [adj(ll){ = adj(B).

Mucicrz A. Jeśli wyznaczy my macierz doł ącza m\ (macierz ko faktor ów )
Naleiy zwrocie uwagę, że A--t jest, podobnie jak m acierz A, macierzą
macierzy
trójlqtnątego samego rodzaju (tzn. górną). Ponadto elementami na prze-
kątnej macierzy A--l są odwrotności odpowiednich przekątniowych elemen- 2
tów macierzy A. Te własności, a dotyczą one każdej macierzy trójb\tnej, 2 3
wykorzystamy do obliczenia odwrotności macierzy B. Zatem o 3

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

O· x21+3 · x 22 + 2 (-2) = 1 macierzy B) jej trz ecim wierszem. Zatem:

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

I XI '.! + 4 J+I.(- })=O

A -- 1

_„
(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

M~c~erz_!3· ,Jeśli przeprowadzimy rozkład tej m acierzy (symetrycznej) na R n- 1

czynrnk1 troJkątn e, uzyska my
J. X11 + 0 -0 +2 (- A)=A
58
59
 Wynikiem d:r.iałań jest macierz wię c

b) W podobny sposób jak wyżej obliczamy:

Przykład 1.14
Wykazać, że:
a) B (A 13)- 1 AK= K
b) (A +B A)(B A)- 1 -B- 1 =1 11
gdzie: AE 9\11• 11 , 13 E 9\ 11 • 11 są macierzami nieosobliwymi.

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

a) W wyniku rozkładu macierzy [A L] na czynniki , uzyskujemy

~)
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

Przykład 1.17 0.200 0.067 ]

Ob l iczyć uogólnioną odwrotność A -m ( N) maci erzy := 0.400 0.467
[ 0.533
-0.400
A = [~ -:J jeś l i

Wobec tego
Rozwiązanie

Ponieważ /?(A)= 2, więc A E 9\ 2 ·3 jest macierzą wiex·s zowo pełnego rzę­

du i istnieje odwrotność (A N AT) - !. Zatem
X = A ;,(NJL =
[
0.200
0.400
0.067]
0.467 [ ~] =[0.333] [i]
1.333 = ~
-0.400 0.533 0.667 z

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

w taki s posób, a by X.TPX = min o J ~o o

więc

gdzie 2
A ~:(N) - :: A T (A A T ) -
= A„, =[ :

Rozwi ą zani e T T -I-

= (A 1 (A 1A 1 ) : Ol
Rozwiązanjemo minimalnej normie ( l!x~: = x_r P X=min) układu AX ::: L
jest wektor X= A~(PJ L Ponieważ R(A) = 2, więc A E 9\ 2•3 jest m acierzą
Przykład 1.21
wierszowa pełnego rzędu i istnieje odwrotność (A p - 1A T ) - 1 • Zatem
Rozwi <\ZUĆ układ równ ui'i
0.037 0. 185]
2x + y + - 12 i AX = L
A ~•< l'l = p - IA T (A p - t A r ) - 1 ,-, 0 .222 O.I l i 4x + 2y + 2:: 19 j
[
-0-259 0.704 • T.
w tak i sposób , aby X X = min.
oraz

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=[~ 2 ~] ~ [:~] " [4]~.

Ol

gdy macierz N =13. Przykład 1.22

Rol'.wiązać ukJad równań
Rozwiązani e

Ponieważ w arto ści każd ego z podwyznaczników drugiego stopnia macierzy X + z -·

A sąrówn e zeru, a pr zy tym n ic jest to macierz zerowa (i s tni eją ele menty
au ;eO), więc R(A) = r "' I oraz d = n-r = l. Zatem, w celu wyznaczenia
-x + 2y
2y
+
+ 2z
z
;}
u ogólnionej odwrotności A ;,(JJ) = A ~,, m acier z A zapiszemy w następuj ącej
pos taci blokowej ( A 1 e 9\'·111 , A. 2 e ~"· 111 ): w taki sposób, a by ; .r2 + :~ .\1 2 + i 2 =min.
65
 Przykład 1.23
Ro zw i ązanie
Obliczyć uo gólnioną odwrotność Ai{M>
Rozwi<\zaniem ukł a du równa11 AX = L spelniajqcym wnnmck

1.\·2 + 3i. „\•2-'-:

J_ . .... 2 ~-~ [,\· -V i]l'ł --~' -
i
L dla

jest wektor X== A ~•(N\L (dla N= Diag( ~- . ł· . l ).

- 5
.Jeśli będziemy obHcza~ uog~l n i om\ odwrotno ść A;;,!'!>· za ~ważymy, ~e
s koro det( A) "·' O or az 1s tmeJ<\ niezerowe podwyznaczmlo druglCgo stopnia
m a cierzy A , to R{A ) ::: r '= 2. d =n -- r = 3- 2 == l . Wobec p o wyż szego macierz A
nale ży zapisać w .nastc imjąccj postaci blok owej ( A 1 e '.H '· 111 , A 2 i:; <.J\'1·"' ):
Rozwiązani e

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

(i-· )'-- 6) 2 + (5'- 4 ) 2 +(.~+ }' - 8) = min

2
Zatem

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

jes t spełn iony przez rozwiąza nie (dla M "' 13 )

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

.„ T -1 T [ 0.349 0.302 - 0.048J

•
X = A 1. . L =„.I [ 3 o At<M> =( A MA ) A M = 0.238 - 0.476 0.286
6 -2 2
Zat em
Uzyskane rozwi ązanie jest optymalne w tym z naczeniu , że s koro j uż
muszą wystąpić niezerowe „r eszty" v 1, v2 , v3 (bo układ równaz\. jest s przeczny):
X= Ai(:-.l)L::: [
0.349 0.302
0.238 - 0.476
- 0.048J[.
0.286
-~] = [ 2.524
1.302] = [·~]
y
v1 "'.r- y-6 -> v1 ~-I 3
i1 2 = y-4 - > ;;2 = -2 oraz
v3 =.r+ _v - s -> v3 = I
to niech choci aż b ę d ą t akie , że V= A X-L =[-~:~~~] =[::~i („reszty" rozwiązania)
_„ +v2
v 1~
·"' + v:\
.·> -T - •
= V V = (A X -
T
L) (AX - L ) =mm
- · -(}.476_ V3

N iewiadome x y są wyznaczone w taki s p osób, że VTM V= min.

Przykład 1.25
Przykład 1.28
Rozwiązać ukł ad równań
Rozwi ązać układ rówmul
2x + y
s1 X + ' 3 ]
X - y
y -~I ~') AX = L - x .„
2x
y
+ y +
2 ;:
' -; t <-:;. AX = .L

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

().()88 0.035 0.298

0 .01 8]
= 0.060 0.344
0.323 -0.028
[
0.028 - 0.309 -0.025 0.046

Zatem wektor niewiadomych uzyskuje wartość

oraz obliczymy

- . 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

Rozwiązanie T -I T r0.034 0.0 16 0 .050 - 0.012]

Macierz współczynników uldndu rciwnań A X= L jest macierzą o rzędzie ( 81 1Q1I+81 2Q12 ) A I M = 0.02 l 0.009 0.008 0.000
R(A) == 2 i defekcie d = I, zatem rozwiązaniem układu o wymaganych w treści
więc
zadania własnościach jest wektor X= A~fNL, gdzie (ze względu na strukturę
macierzy N)

A ~IN ""[(:)~! ] (('.} 11Q11 +012Q·[~)-I A{ M"'

H12

10 .560 - 14.989] 0.034 O.O l"\) o.oso

W celu obliczenia uogólnionej odwrotności A~N, macierze A oraz N za-
pisz emy w pos t aci
c.o
[
-5.15 8
- 0.940
16.005
l
")
· O.O_ I
10.0 l I
O.O
09
0.008
- 0 .01 2]
o.ooo -

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

gd y liczba w artości zmiennej X jes t nieskopczona (l ecz p rzeliczal na).

2.1. Zmienne losowe jednowymiarowe Przykład. Jeśli wartości zmlennej X są rów~e liczb~e _oczek, i:z~skanej
przy rzucie kostką do gry, to zmienna ta moze przyJ<\C wartosc1 x 1 ~" 1,
2.1.L Dystrybuanta. Funkcja zmiennej losowej . x "' 2, „. , x 6 -= 6 z prawdop odobień stwam i
2
Kompozycja rozkładów prawdopodobieństw
I l I
P<X
. = I)=-,
6
P(X = 2) == -- , P(X :.:: 6) =-
6
Zmienna losowa, w potocznym rozumieniu, jest to zmienna, której do- 6
kładne wartości liczbowe nic mogą być przewidzia ne przed doświadczeniem 6
(pomiarem). Zmienną lo sową jest np. wynik rzutu monetą, kostką do gry,
a także wynik pomiaru boku, k ąta, prze wyższen ia, itp. Dokładne wyniki
przy czym P(I $X $6)= L Pi::: l
i=I
tych pomiarów n.ie dają s ię przewidzieć ze względu na pope łniane b łędy po-
miaru, s powodowa ne wieloma trudn ymi do prze widzenia czynnikami. D o- Zmienn a losowa typu ciągłego jest to zmienna losowa przyjmująca
kładniej , zmienna losowa jest to funkcja mierzaln a o wartościach r zeczywi- wartości rzeczywist e, dl a k tórej istnieje n ieujemna , ca ł kowalna na osi
stych, k tórej <lz iedzinq jest zbiór zda r ze ń el <!mentarnych. Zmienne losowe (-"'' .+oo) fun kcja f(x), taka że
oznaczamy na ogół dużym i literami, n p. X, Y, .. „ natomi ast warto ści , jakie
mogą przyjmować .„ m a łymi literam i, np. x, y, „. Zmienne losowe można
w pewnym uprnszczeniu podzielić na zmienne typu s kokowego i typu ci<\glego. J f(x) cl>;= l (2 .2)
Zmienna losowa typu skokowego jest to taka zmienna losowa, która
przyjmuje wartości ze zbioru s ko ń czonego lub przeliczalnego. Każdy z ele- Funkcję f (x) nazywamy funkcj<\ gęstości rozkładu z~iennej losowej ){_
mentów tego zbioru (punkt skokowy x) ma prawdopodobieńs two doda tnie P ; l u b czasami , krócej, gęstości ą. Dla dowolnych x 1, x2 , gdzie x 1 < x2 , zachodzi
(rys. 2.1), tzn. (r ys. 2.2)
P(X:: X;)= Pi (2.1 )

f
.\"")

P(x1 <X <x2)= f(x)cb: ( 2.3)

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

Prawdopodobiei)stwa P; tworzą rozkład prawdopodobieńst wa z miennej

I „
-'-- - -··-X
losowej X, przy czym jeśli zmienna ta przyjmuje n wartości x 1, x 2 „ .. x,t, to
Rys. 2.2

" Zatem własność {2.2) należy interpretować j ako

P (x 1 $ X $ x 11 ) ==I. p; == l
f
+..
i=I
P(-oa <X < +oo)= J (;r.) dx ==I

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)
" .\'")

Dys trybuanta P(x 1 <X /x 2 ) = Jf(x)dx =

Hozkład prawdopodob ieństwa zmiennej losowe wygodnie jest charak te- ·' I
ryzować także za pomoc ;~ funkcji

F(x) = P(X < x) (2.4)

.r:'! _..,
n azywanej dys trybuantą. N a podstawie wczcśni cjsiych wyjaś nie!'i, możemy
zapi sać
f
= / (x)dx - J f(x)dx
·- ( "')
....~.·-----···-' "--~·-· ........ ···--·~
zmienna s kokowa 7.mienna ciągł a
F(x~) F(x 1)
X

F(x) = I, P; F(x) = J/(x) dx

x; <x (2.5)

Aby fun kcj a F(x) by ła dystrybuantą, potrzeba i wystarcza, by miał a

l'(X<x,)
następujące wła sności (rys. 2.3):
i) była niemalejnca, f'(X<.r,)
ii) była przynajmniej lewostronnie ci ągła, j(x)
iii ) przyjm owała wartości lim F(x) ~'O. lim F (x) =-~I

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 !

Przykład. Jeśli Y(2) = X 1 +X2 oraz

:.:.:„.. x„ + Y!_1...::_,~_-i:_!2 ! .:..:_rl. '.~'-'--~!!~. X1 i O ; I

· ·· P.t11 Py1 i Pxn Py2 I · · · Px„ Py 111 ;;; •j q-l 1; .
Natomiast jeśli X i Y sq zmiennymi losowymi ciągłymi, to funkcję gęstości
sumy można wyzn aczyć , korzystając ze wzoru to

-~-~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

Podobnie określa się kompozycję n zmiennych losowych.

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)

.. . fcdlax E < a.b >

J (x) = '[ O d la pozostałych x (2.9) I - ~.:. l 2
f (x ) = J----e
2n:
2 == - ,-;:-·
--.J2n:
cxp(l-_:_2 )i:
(2. 11 )

(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]

zmiennej losowej X o ogólnym rozkładzie nor malnym

aJ do zmiennej losowejTo rozkładzie standardowym N [O; l], czyli
przy czym T - N (O; I]
X - N[a; ~ ->
F(x) = \!J(x) + 0.5
jest nazywane standaryzacją. Pn~ekształcenie to wyraża się wzorem (rys. 2.7)
są tablicowane (tablice funkcji rf!..x) zamieszczono na końcu podręcznika - tab. l).
Na podstawie (2.5), prawdopodobieństwo, że zmienna losowa o standar- x-a
dowym rozkładzie nor-malnym przyjmuje wartości :c 1 <X< x?, można wyra- T = '~ -~-~J­ -) {= --···-··· (2 .15)
zić wzorem (rys. 2.6) - a u
JM

=
l
Jexp ---;--.c-~
..j-··
2n
.t}

-~
[ l
dx·-~
..f2n
l
J cxpl----2 XJ

·-~·
( x-? l dx=
(2.12)

Natomiast dla xl' x 2 >O, korzystając z funkcji <f/..x), zapiszemy

(2.13)
Rys. 2.7

Rozkład ;(- (hi-kwadrat)

Qg_Ql~_kłmLnm:IDal llY Zmienna losowa XJ ma taki rozkład, gdy
Zmienna losowa ma taki rozkład wówczas, gdy jej funkcja gęstości ma
postać (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)

F(1) = 1- ·i r(lr1 ( > 1) (2.17)

Uwaga: jeśli /> 30, to rozkład Studenta można z wy starc zającą d okładno ­
ścią zastą pić rozkładem normalnym N [O; 1).

2.1.3. Parametry opisowe zmiennej losowej

n:h ·· ;· -·> (t'1b licc)

Ogólne wł asnośc i zmiennych losowych o ustalonych rozkł a dach prawdo-

podobie1istw mogą być przedstawiane za pomocą pewnych charakterystyk
Rys. 2.8 liczbowych nazywanych parametrami opisowymi. Parametry opisowe zmien-
nych losowych (w geodezji : wyników pomiarów) mają szczególne znacze-
Analityczn e postaci funk cji gęs tości i dystrybuanty zm iennych losowych nie, i to nie tylko teoretyczn e.
~
o rozkładach X/ i gamma można znaleźć w literatu rze przedm iotu, np.
Podstawowe parametry opisowe
(BARAN 19!J9).
D o podstawowych pa rametrów opisowych zmienn ej losowej X m ożn a za-
Uozkład Studenta liczyć wartość oczekiwaną E(X), wariancji: V(X) oraz odchylen ie standar-
dowe ax.
,Jeśli
zmien ne X I· X 2 „ . . , X/ S<\ wzajemnie niez ależ n e maJą rozkłady
normalne N(O; er], to zmienna iosowa p a rametry opisowe

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

a,~~~L~ [~~ . al;-. ... ,

asymetrii i ekscesu {r ys. 2.10): -
0 = }l,J

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

Xl 1'11 Pi~ /Jim

11::.:2
- - -> X2 P21 P 22

xn JJ,,1 Pn?. Pnm

Dwuwymiarowa zmi e nna losowa (X, }') jest typu skokowego wówczas,
m
gdy za r6wno zmienna X, jak i zmienn a Y przyj muj ą wartości ze skońc zonyc h h

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)

P( .r1 :S X :S :c", Y1 :S )' S y,.,) =I, I. Pij = I

' "" 1~ 1 Jeśli zmienn a X przyjmuje wartości tylko z przedzi a łu ( ax, b:i:), nato-
miast zmienna Y wartości tylko z przedziału ( ay, by), to

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)

lim F(x, y) =O. lim F (x,y) = O, lim F(x,y) = l

y ~; - •) :c->+<~
x w~; -....-~

y ·->'1-<->

Jeśli zmienne X i Y przyjmują wartości tylko z odpowiednich dla siebie

przedziałów (aro b,},

()
(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,,;

iv) oraz a by dla dowolnych punktów (x 1, y 1) i (x 2, y 2 ), gdzie x 1 <x2 , y 1 <y2,

zachodziła nierówność F(x 2 ,y 2) - F(x 2 ,y , ) - F(x1»'2 ) + F(x,, Y 1) 2: O.
Korzystaj<\C z dystrybuan ty F(x, y), prawdopodobieństwo, że zmienna lo-
sowa (X, Y) przyjmie wartości x 1 <X<x 2, y 1 < Y <y2 , można obliczyć ze wzo-
ru (rys. 2 .13)
P(x1 <X<x2 ,y1 <Y<.vi)=
y
(2.24)
= F {x 2 ,y,)-F(x 2 ,y1) - F(xi.Y1) + F (x1, y 1)
Rys. 2.1 2

Dystrybuanta zmiennej losowej dwuwymiarowej (X, Y)

Dystrybuant~ zmie nnej losowej (X, Y) nazywamy funkcję F(x, y) okreś lo­
ną wzorem

F (x. y) = P(X < x,Y < y) (2.22)

""-"-..
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

'"'i = 1,... ,11

; ~1

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)

- funkcj a gęs tości zmie nn ej Y, pod warunkiem że X "' x

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

Momenty dwuwymiarowej zmiennej losowej (X, )')

Uw ag a : d la wzajemnie niezależnych zmiennych X i Y zachodzi

Vi.j:P(X "'X; , Y=yj) "' P(X =x;)P( Y = Y) ->Pij = Pi• P•J

Rozk łady warunkowe

zmiennej X, zmiennej Y, c 1 = E(X)
pod warunkiem że Y = >} pod warunkiem że X = .~1 c2 == E(Y)

P( X =X; I y = y j) ...., - Pij. ... lJ l'(Y = Y j I X = x;) = „ P; ;

. „-...
l
r
momenty zwyczajne

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) ! \' .

k =0, l = 2 mo.2 = E(Y2) k =o. l = 2

Moment centralny drugiego rzędu p 11 =E{[X-E(.X)](Y-E(Y)J} "'cov(X,
jest nazyv.,rany kowariancją. Ponieważ '
Y)
l__jL'
Rys. 2. H

cov(X,Y) = E([X -E(X)][Y-E(Y)]) =

Jeśli Vi,j:pij =p;.P• j lub (dla zmiennych ciągłych) f(x, y )= fx (x)fy ( y ) ,
= E[XY -XE(Y)-E(X)Y +E(X)E(Y)) = to zmienne X i Y są niezależne, i wówczas co v( X. Y) = O - > p '( r = O.
=E(XY)-E(X)E(Y) Odwrotne twierdzenie nie jest jednak prawdziwe. Na podstawie u zy;kanej
w doświadczeniu wartości P x ,Y ~O nie mo ż na bowiem wnios kować , że
więc jeśli zmienne X i Y są niezależne, czyli jeśli z cał::\ pewnością )(i Y są wzajemnie niezależne. Można co najwyżej mó wić,
że są to zmienne nieskorelowane.
E(XY) = E(X)E(Y)
to cov(X. Y) =O.

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

macierz kow a riancji

j~{ [X - E(X)f JE( [aX - E(aX)f) E(X1)j

aE( [X - E(X)] 2 )
E(X, )
E( X) = . - Cx =E([X-E(X)[(X- E( X )f)
= = I
aE{(X -E(X)] 2 } [E(X
11 )

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)

r. 'Ei[:\'1 - E(.~ 1il2.: ' ,,

,, j /;(!X 2 - I: (X 2 l11Xi ·· d ..\ 111 )
i:'i[X 1 -E(.\' 1JllX 2 - E(,\' 2 )J l
E[[X 2 ··E<X 2 )J2
E( [Xl - E(X 1)J(X 11 -· E(X „ )Ji
E{fX2 - E(X 2)lfX„ ·-E(X 11 )l
l Wielowymiarowy rozkład norma lny
lmrxll .. E(X1l )JIX1 - /:."(X1lii Wektor losowy X ma n-wymiarowy rozkł ad normalny, jc:ili jego funkcja
gęstośc i ma postać ( x - rea lizacja wektora X )

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

a) Ni ech X = [~~] - N„ (µ ; Cx I. X; E 91":.I W niosek 1. Jeśli E( X ) =11 = O, to

ma wektor wartośc i oczekiwa nych E( X) i m acierz kowariancji C_.,.: W niose k 2. Jeśliµ '" O or az B = I„, to E(X T X) = Tr{Cx)
Wniosek 3. Jeśl.i iloczy n 13 C x Jest macierzą idempotentną, to Tr( B Cx) =
= R(B Cx)
(przypom nijmy, że A jest macie rzą idem potc nt m\ wtedy, gdy
AA = A2"' A. Dla m acie rzy idempoten tnej prawdziwa jest za-
\Vówczas:
le żność R(A) '~ Tr( A)).
i) j eśl i
Cx,.x 2 = Cx 2 .x 1 =O, to
Załóż my, że rząd m acierzy 13 C x jest równy k (cz«;sto k <n). Wówczas
x, - N„;[µ; ; Cx; J, i = !, 2.

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

.Jeśli X ma rozkład normalny, to y = O, i wówczas

d) Niech X - N„[µ; a 2 I„] ornz Y =DX, gdzie DE 9t n.u jes t macierzą ortogo·
naln ą. Wówczas
2
Y- N 11 [Dµ ; a I n l
Rozkłady prawdopodobieństw form kwadra towych
Uwaga : o s z erszym kontekście r e lacji Y =DX -> E(Y) = DX. Cy = DC x Dr 1. ,Jeśli X - N 11 [µ ; I 11 ], to zmienna losowa xrx ma niece nt r alny rozkład
bę dzi em y mówili w rozdz. 4 . f =11 stopniach swobody i parametrle nicce ntral ności A. = µr~1, czyli

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

2 Rozkład zmienn ej losowej Z = X+ Y jest kompozycją rozkładów prawdo-

f(E)=1/7U: +4) podobieństw zmiennych X i Y. Wobec tego
Ustalić:
a) dystrybuantę F(f;),
b) prawd opodobieństw o, ż e
pojedynczy wynik pomiaru jest obarczony bł ę­
dem losowym należącym do przedziału (1 {111m}, 4 (rrunJ).
Ro zw i ąza nie zdarzenie „1" t lub t zdarzenie „ln
a) Wyznaczając dystrybuantę, uzyskujemy (dla ee (-3, 6)) qp +pq
i
F(E) = J
i: f(t:)de = Jc _J-· (c 2 +4)dE == .L (
117 117
~-~„3 +4e )le -~-L
. „ŁLJ„„„
: "l
r~--
? I

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)

co najmniej jeden b9dzie obarczony błędem grubym, moż na zapisać jako

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)

b) P(jX j < I)= P(- 1<X< I) =2<P(I) = 2· 0.3413=0.6826 (rys. 2.21)

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

Rozwiązanie obu podpunktów tego zadania jest związane z procesem

standaryzacji, tzn. z przekształceniem zmi ennej losowej X - N[a; aj do
a
zmiennej losowej T - N[a =O; a = l], przy czym T =! - a
X
-> t= - - .
„

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

porażka: ie:\> '.!er z prawdopoclobieństwcm q = 1- f> Przykład 2.12

Zmienna losowa Tr ma rozkład Studenta of= 5 stopniac h swobody. Dla
\Vyznaczmy prawdopodobieństwo sukcesu: jakiej wartości t uzyskuje się:
p = l'(lc:i < 2a)"' P(!c: I < 3} = P(-3 < t: < 3) = P(-2 < T < 2) = 2ef>(2) =0 .9544 a) P(IT1 l > d=0.2.
oraz prawdopodobie11stwo porażki q := I - p ~ 0.0456. Prawdopodobieństw o b) P(l1/ > t )=0.6.
tego, że s pośród 6 błi:dów co najmniej 5 będ zie spe łniało ni eró wność
jc:j < 2a. można obliczyć następująco:
Rozwiązanie

P{(r< 6i "'.5)u(Y< 6 l =6)}"'P(l'< 6l =5)+ /'(}'(<ii = 6l = C~'(n1 5

-;-cg/• =: a) Wartość t, clla której P(j7/ i>r = 0.2), mozna odczytać wprost z t a b. III
= 6-0.0456. 0 .9544 5 + 0.954:{> ::: 0.9724 {gdy f = 5, I= l.476).

b) Ponieważ (rys. 2.26) l'(!'lj=si ~ r) = 1- P()Tt=si > 1) =0.6, wi~c

Przykład 2.11
Zm ie nna losowa Y ma rozkład XJ o/= 3 stopniach swobody. Obliczyć:
P(j7/=5j> t) = 1-0.6 =0.4.
a) P(Y > 6.25),
b ) P(Y < 7.SI). W tab. III odczytujemy 1 = 0.920.
c) P(l .00 < Y < 4.64).
f(I}
Rozwi :\zan ie
W tab. II podano wartości zm iennej x7.
dla k tórych P<:c} >x 2 ) = a.
W naszym zadaniu n a leży wśnid wartości x odszukać wartość najbliższą
2

interesującej nas warto ści (w wierszu odpowiadającym stopniu s wobody j),

a następnie odczytać wartość prnwdop odob icństwa a (arg1l mcntu tabeli):

a) P( Y > 6.25) = PCx}=3 > 6.25) =O. Io

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

E(X )= L X;P i =( - 1)·0.2+0·0.l+ l·0.3+2· 0.4=0.9 Y1„J = X 1 +X 2 ·ł· ... + X 11

i=I i zmiennych losowych X; o jednakowych rozkładach zero-jedynkowych. La-
two możn a sprawdzić, że dla każdej zmiennej losowej X; o rozkładzie zero-

\,,
!"
-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

V(X) = Lf.x; - E(X)J2 Pi =(-1-0.9) 2 ·0.2+(0 - 0.9) 2 ·O.I+

i=I Ponieważ V(,9 """ qp, w i ęc
+(1 -0.9) 2 ·0.3+(2 - 0.9) 2 ·0.4 = l.29
V(Y(11 )l = qp + qp+ ... +qp == 11qp
Wariancję można także obliczyć , korzystając ze wzoru
,Jeśli /1 = 4 oraz p = 0.3, q '" 0.7, to ~<!t!i~'.'.'..~~~~~-~ O:~:
2
V(X ) "' E(X ) - E (X)= m2
2
-mf
Przykład 2 .15
W tym celu utworzymy rozkład zmiennej X2
Zmienna losowa X ma rozkład o funkcji gęs tości
x2 I 1 ! o I 1 I 4
p;-r-02·l-0.1·to.310:4· f(x) ={-h.x dla 15 x 5 5
oraz obliczymy O dla pozos 1ałych x

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

Wyzn aczając wartość oczekiwaną, uzyskujemy

6
li 5 5 V (t:) = J(t: - 3.06) 2 · Tf:;<e 2 + 4)dt: =
E (X) =Jxf(x}dx "' -f .r· ·-1\-xdx = :;~- x
•· .H)
3
!
I
=-;;16- (l 25- 1) =3.4
.1}

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

J(x - 3.4) 2 -Axdx = I (c~

= 117 5 -
r.·• + 13.363
6.12 -::- r
· 2 ~_,7.44 j
r ·' - 24.48-:?·-+ \16_,
" =·Jl7(31 8.24 +5 15.25) ::: 7.1238 (rnm ) 2
=T:iI
~

f (.r·1 - 6.sx-1 + 11.56.r)dx::: I~ ( ·'~·I- - 6.8 '~3 + 11.56'':.1!) 'I = 5

skąd er = fl (1:) = 2.67 ( 0101)

l l

= 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)

/(t:) = F'(t:) = ii'?(E 2 +4) Wi elkość

cov(X , Y)= E{ [X - E(X)J[ Y - E( Y)]} = E{X Y-X E(Y) - E(X) Y +

(j(t) = O dla pozostałych ). Następnie ustal amy wartość oczekiwaną
+ E(X) E(Y) J = E(X l') -E(X) E(l')- E(X) E(Y)+E(X) E( 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)

jest kowariancją zmiennych X; Y. Jeśli Xi YS<I niezależne, t~>E(XY)=E(X)E(Y ) .

a tym samym
r.ov(X,Y} = E(X Y) - E(X)E(Y) = E(X Y) - E(X Y) =0

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

Podobnie, dl a zmiennych
Przykład 2.18
Wyzn aczyć wariancję
X i Y s ą niezależne ) .
ni ez ależnyc h
zmiennej Z = 2X --3Y + 5,
11 sklotlników
zachodzi V(X +Y) = V(X )+VO'l
Z treści zadan ia wynika, że każdy pojedyn czy wynik pom iaru jest
z mienną losow~\ o odchyleniu standardowym a „J, =O.O I (111). Zatem
je śli O:r ~ 2, CTr ' 3 (zmienne ' rl

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

wynik pomiaru). Obliczyć odchylenie s tandardowe śre dni ej a1·ytmetycznej

z 10 wyników pomiarów. l ·-· a oh
,Jeżeli ma być spełniony warunek a ii < 3.:c, to -r- 0'a"„ < 3 -> J > _!L..
Il
3
Rozwiązanie s~d ~ 11
Ponieważ
Il
"
()'-
> __„a"" (cc)
_______
2
__„ „„

<-,- 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

wy noszq V(d"h ) oraz zau·.vażając, że dla każdego i ~, I „ .„ n, -~:L. = .„.•

at1;il• 11
uzyskamy

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 ~

\!(X) = E( X 2 J - E 2 ( X) = 13.9-·3.7 2 =0.21 ax = 0.4 6

au 1 au! au j 1
= - --
iix·=~~ ·.y == ·;
v~ · --·1

ax lx=z 2 ay ! r~3 3 \l (Y).:;: E(Y 2 )-·E 2 (Y) :: 2.0-0.4 2 "'1.84

y
Ohliczając war tość oczekiwan ą E(X, }"), uzyskujemy
uzyskujemy
Jt t:

-> 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

I.·I 1 0.3 . O.O I 0.4 cov(X . Y) 0.22

p :( y = -·-· -~-- = -··---- = 0.35
,· axar 0 .46 · 1.36
Obliczyć: E(X), ax, E( Y), ar, E(,r. Y), cnv(X, Y) oraz Px.r
Przykład 2.23
Rozwiązanie
Obliczyć współc7.ynnik
korelacji mi ędzy zm iennymi X i Y, jeśli dwuwy-
W celu obliczenia warto ś ci parametn)w opisowych z miennych X i Y,
miarowa zmienna losowa (X, !') ma n astępujący rozkład CZ<;!Stoś ci:
utworzymy ro zkłady brzegowe oraz, uł atwiaj<\CC wyznaczenie waria ncji, roz-
kłady kwa dratów tych zmie nnych:

~* --H
X -I o
I 2

l'x o.a o.7 OA 0.2

l O.'I

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

~ I
o 0.1
w różnych przedziałach temperatury ( różnic<;> między wzorcową dł ugości:' bazy
a wynikiem pomiaru traktowano jako prawdziwy błąd pomiaru). Liczebności
·1 błędów w poszczególnych, wyróżnionych zakresach wartości, uzyskiwanych w
ustalonych przedziałach temper atury powietrza, zestawion o w poniższej tabeli:
0.3

l o 0.2

3 I o <I .O
!
l
I
Na s t ępn ie po ustaleniu

"''> V(X) == 3.8-1.4 2 = 1.84

Wyz naczyć współczynnik korelacji między temperaturą powietrza i b łę­
dem pomia n1 d almie rzem elektrooptyczny m.

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

Po obliczeniu współczynnika korelacji otrzymamy

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

W edu zbadania wpływu temperatury powietrza (1) n a bł ędy pomiaru dal-

~: 2
I 9 ' I . I I 9 E(i::'! ) "" 5A ( mm)"? I
1~ ·-·r-o.·1·(;T·ó:·11)··r c>. :i:5 -i ó~45 j
mie rzem elektrooptycznym (i;), wykonano 100 pomia rów pewnej bazy testowej

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
-·---;„· --··~----·~ ·--·:---·~···· ·„

I~ • 0.35 ! 0.25 - <HO

' " ') • l IJA i"c l' I
E(i: 1) == 13.2 (mrn ·"C)
::: ·--··· .. „.'. .._____
(br-·a,)(b" - a,. )
f(
„y
.r•' \fr =„-.
, la, )·
. .:i:.~l.tL_,_•. „ •• .
(b,-a,)(/\.·- a 1.)
y
J= rl\'
•
• · 11 •.- • · a.\.
co1=(c .1 ) =E(c ·t) -E(t:) E(t) = 1.1 l (:r.m ·°C) ( X -(1, )( y -o ")
= -~----···- ----------~-----
(b, - o , )(by „. a „ )
p„ I :=:
cov(t:. 1)
·-·---= --::.- == _ _1.1__l„,_„_ •(mm·°C)
• „ „„ .. - = O. 1 1
.„ ,/V(;:) V( r) I. 93 · 5 .19 (mm·°C)
a następnie uzupełniamy do postaci
W analizowanym przypadku zal eżność między te mperaturą a błędem
pomiaru jest s łaba .

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

Rozwi<,z a nie dla XE (1. 6)' yE (o. 5)

Funkcja gęs tości dw uwymiarowego równomici-ncgo ma rozkładu nastę ­
pująq ogólną postać (w przedziałach występowan ia tej zmiennej): Wobec tego
!'( X < 2. Y< 3)=F(2,3}= A(2-l)3=0.12
e dlax e< a,.h, >.yE<a 1„b>,>
f(x, v) = J ·
- lo dlapozoswlychx.y Do obliczenia P(3 < X < 5, I < Y < ,q zastos ujemy wzór

\V celu wyznaczenia wartośc i c skorzysta my z warunku, jaki muszą

l'(x 1 <X<x2 . y 1 <Ycy2) =
spełniać funkcje gęstości, tzn. (dla zmiennej dwuwymiarowej)
= F (x2 , Y:!)- F (x 2 , .rr) - F ( x 1 , Y:.) + F(x, . Y1)
"'°"'·
Jff(x ,y}dxdy = JJ cdxdy= l
I>\ 11,.
Zatem Pr3 <X< 5. I< Y < 4) = F(5,4)--- F(5.l} - F(3,1)+ F (3.I) == 0.24
".\' fi~·
Przykład 2-2fi
Zatem Dwie nie zależne zmienn e losowe X i Y maj<\ rozkłady X - N [3; 2],
Y- Nl'l; 4]. Ustalić łączną funkcję gęstości dwuwymiarowej zmiennej loso-
wej (X, Y). Ponadt o obliczy ć P(X < 4, Y < O).

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)

W związku z tym, ie X i Y są zmiennymi o ogólnych

malnych , przeprowad zimy s tanclai·yzację
ro zkładach nor- E(xjl>) == E(x + t:,)
____
.r
... ----
= E(x) + E(c1) "' x,
O
i= l , „ . ,li (3.2)

(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.
!
- - ' - -- __!_ _ __ _

Rys. 3. l. Mod<!! wyników pomiaru

P rzyjmijmy ponadto, że V(c;)="<T,.2 jest war iancji.\ losowego błędu pomia -

ru C; ·Wówczas

V( x 0 i,) = V(x + c . ) =V( t) + V(c .) ==

t . l ~=-... --~
a ;2 > i =l „„,11
o „
<Ji
(dla nielosowego x , V(x) =O).

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 .

\Vówczas, podtrzymując założenia o para me trach opis owych b łędu loso-

----- ------„
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~

Wł:ts ności estymatorów p u nktowych

·warto z wróc i ć
uwagc,:, że wa r toś ć ocze kiwana wyn iku pom ia ru jest. tutaj Niech 0 będzie pa ram etrem opisowym zmiennej losowej, w tym takie
obci ążona b ł~d em s ys tematyczny m. Rozpozn anie to jes t. z je dnej s trony zmiennej wielowymiarowej (n p. wa rtości ~\ oczekiwan<:\, wek t orem wartości
zgod n e z intuicj ą do świ a dczonych obse rwa t orów stos uj1,cych w t akiej sytu- oczekiwanych , wn1i:rncj ą itp. ). Na tym etapie przyjmie my, że zmienn<\ losow<'
acj i odpowiednie technologie pomiar u , natomiast. z drug iej , umożliwia for- jes t. wynik p omia ru x" ;, pewnej wi el kości x. Estymato rem punktowym ~)
mułowanie za aw ansowanych, elimi n uj <1cych t.en wpły w, met.od opracowania pa ram etru El (oceną tego param ctrn) jest fu nk cja realizacj i xld' ,x;(' „ „ . x;;"
wyników pomiaru.
W dal szych rozwinięciach teorii błędów pomiarn formułuje s ię ba rdz iej
z miennej losowej :r:"1', czyli 0 = G(x('". x~1',„ „ x;:;,). Ponieważ es tymator e
j est. funkcj <:\ zm iennych losowych , je st on takie zm ienm\ losową (zob. rozdz. 2 ).
złożoną s trukturę mode lu nie losowej częśc i całk o wit ego błędu po mi a rn Od dobrych estymatorów moż n a oczek iw ać takich własności, jak:
zakładaj;w, że jes t to w ielkość z<J le ż n a od pewnych pa rametrów, np. parn- i) Nieobc i ąion ość . Estymator c'.:J parametru <:> jes t ni cob ci <1żo ny, jeśli
me tr ów opi s uj ących środowisko pom ia rowe czy też opisujqcych własności
przyrządó w pomi a rowych. Zastosowanie tej teorii przedsta wił autor w mo- E(0) :::<:)
nografii (Wt śN IEWS liJ 2002), n także we wcze śni ej szyc h pr acach CWtSNlEWsKr Różnica E(<::))-0 = b(C~) jest nazywana obci:;\żenie m est:yma tora (1·ys. :3.2).
1983, l.986b, U>88; zob. także literaturę tam cyt.owa n ~).
Podstawowym ce lem pomiaru jest ustalenie wai·t:ości x, co wobec istnie-
nia błędów pomi::iru, szczególn ie tych o charakterze losowym , wydaje się
rzecz<\ trud ną do osi ągnięcia. Istotnie, wartość ta jes t argumentem teore-
I, °c/'. '"" ·- ,-
tyczny m i w praktyce może być jedynie szacowa na z zas tos owaniem jakich ś
dobrze uzasadnionych metod.
Metody szacowa nia (estym acji) parametrów opisowych zmie nnych losowych
(u nas wartości ocze kiwanej wyników pomiaru lub znkładnj:\c, że wartość
L\J
~~
~~~~~~~~~~~~- 0 ·--L
1
I
I
ohd;'(żcnic
A
b (0) cslym :nor:l (:)
,,

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 ~~~~~~~~~~~~~~

teoretyczn ą podstaw~ m et od wyrównania wyników pomiar u. Rys. :J.2

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<>

min V(G) = \/ (El ' )

(~ ,Jeśli estymator jest zgodny, to je:>t także asymptotycznie nicobc i<\Żony
(twierdzenie odwrotne nic jest prnwdziwe).
czy li jest to estymato r· o minimalnej wariancji. Wyrażenie e(e) nazywa-
my efe ktywnością estymatora. Na rys. 3.3 przedsta wiono pe wien esty-
ma tor e oraz estymator najefektywniejszy e': :3.2.1. Estymacja punktowa wartości oczekiwanej
a) w klasie estymatorów obciążonych,
b) w kla sie es tymatorów nieobciążonych .
Elementarny model funkcjon a lny
a) Przedmiotem naszego zainteresowania jest estymator punktowy E(x"" )
wartości oczekiwanej E(x"b). gdzie x''" jes t zmienną losmv<.\ stanowi1\C~\ wynik
pomiaru w ie lkośc i x (w nawiązani u do wcześ niejs zych ozn acze ń oraz za łożeń
ogólnych, tu tuj mamy 0 := E(x"1'). 1
e
:= E( x" ')). Ponieważ zakład aliśmy, Że
x"b == .r+ i; oraz E (E) =O. więc E(x "b) = x. a na tej pods tawie E(x"" } =.(.
!, Estymator jest zmienn ą l osową Należy zatem pogodzić się z tym, że
b) ohc iąźcni c między ocen<\ E(x"") = .r <1 wa1tością prawdziw:.\ E(x"" ) =x is tnieje losowa
różn i ca 1J, tzn.

E(x""J =E(x"") +11 ~ .r=x+ r/ (:3.:) )

Przyjmijmy, że E( 17) =O. Wartość oczekiwana poszukiwanego estymatora

jest wówczas równa szacowanemu parametrowi (estymator nieobciążony),
w naszym przypadku, warto ś ci oczekiwanej wyniku pomiaru, czy też prnw-
Rys. :u dzi wcj wartości wielkości mierzonej

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>>

Przekształcenie to jest tylko fonnalne, i w is tocie nie ma specj a lnego

to t aki estymator jest asymptotycznie nieobciążony. Tę włas ność nale ży
trakto wać jako zastępcz<\ \v stosunku do nicobciążoności.
z naczenia teo retycznego. Nawiązuje j ednak do pewnych przyzwyczajcri

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

lecz jednak Model stat yst y c zny

\l (v,) > {\l(~c; l "' V (t:, >= a?} Wcześniej zakładaliśmy, że wyniki pomiaru xj'1'. i= l, .. „ n, są zmiennym i
losowymi o wariancjach V (xj'" ) = a ;2. Teraz ponadto przyjmiemy, że są to
(bo \l(v,)= V( - t:, )+V(1J) oraz zawsze \/ (11) > 0 ). ·
zm ienne · · m·czaJezne,
wzajemnie · czy )'1 .,_,. 1
v 1 :;ć J· : cov(x;" ' , x oh)
j · = (). Wta k'1eJ· s ytuaCJt „

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

i ~ l. 2, .. „nf C x"h = ao ·;)·

["' o
.„ = at)Qxoh
lj„ J
jest nazywana macierzą wag (w stosowanej dot;\d konwencj i m acier z wa g
wektora obserwacji x"" powinniśmy oznaczać przez P "", ;: czego jedna k
rezygnuj emy na rzecz uproszczenia d a lszej notacji). Zate m, jeśli wyni ki po-
gdzie aJ jest nieznanym współczynnikiem nazywanym współczynnikiem miaru s ą zmiennymi losowymi wzajemnie niezal eżnymi, to
wariancji.
Maci erz -I
c,„
.„ • . o o
o
mj o, o mr P1 o
o o o ... o
r<t1 -I [ .O.0' m:z o , o p~ o
o 'I:. o P = c Q _,uh = c mi
QX tJb =
o ?
rn,~ o ()
c
""':}' LO o Pn
o o q" m,~

jest nazywana macierzą kofaktorów. Najogólniej, kofaktory mogą prqjmo-

wać różne wartości dodatnie, byleby tylko stanowiły rozsądne, a także ak-
( Pi =- c„ ). Korzystaj ąc z tego pods t awienia, model macierzy kowar iancji,
111;-
ceptujące wspólny współczynnik a1~. przybliżenia wariancji Tylko takie a?. nazywany w rachunku wyrównawczym statystycznym modele m wyników
założeni e uzasadnia przyjęcie jednorodnego modelu (3.8). Na ogół, w prak-
pomiaru, można przedstawić w następującej postaci:
tyce, za kofakto1·y przyjmuje się kwadraty błędów średnich pomiaru m 12 ,
przy czym błędy Średnie należy rozumieć jako możliwi!! najlepsze z dostę p­
nych oszacowań odchyleń standardowych a;. Wobec takich założe11 , model ::O) QX·"'' = -~C p-1 =>
(3.6) można zastąpić realnym, z praktycznego punktu widzenia, modelem
statystycznym o postaci _ 2Q _ I 2 ,--1
C "" -an o h -- O"o 1 (3.11)
,\: X l'
m1 o
„
ar? ="<Ji)mr
.- „
„ }
1- 1.- .. „ .ll
~
.
X
„ o'
c ni> =aa [ ••·
"'2" oo]
.. ;
?
= O'i)Q „,J, (3.9)
Model (a.11) ma bardziej ogólne zastosowanie, i niekonieczn ie m us i do-
tyczyć zmiennych niezależnych (macierze C •11 • Q uh , P nie muszą być dia-
gonalne). x x
o o I/lit
Kryteria estymacji
. Wartości _bł7dów średnich pomiaru m; są znane z doświadczenia inżynier­ Poszukiwanie estymatora Rcx"11 ) == .t jest zadaniem polegającym na
skiego, wymkow laboratoryjnych badań przyrządów pomiat·owych (często „wpasowaniu" tej wielkości w zbiór wyników pomia ru xi''', i= I, .. . ,11 w taki

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)

Wła s n ości przedstawionych funkcji, głównie w.łasności funkcj i wagowej,

sposób, aby powstające reszty (estymat ory poprawek ) ;;i , i"" 1„ ... 11 (rys ..'3 .5)
spe łniały j ak ieś
kryterium optym a lizacyjne .
Kryterium optyma lizacyjne , nazywa n e w rachunku wyrówn awczym kry-
terium wyrównania, powinno wyn i kać z przyję tej metody estymacji. We
w spółczes nym rachunku wyrównawczym kryterium wyrównania jes t zwią­
zane z zasadami M-estymacji realizowanej z zastosowaniem na stę pującego
ogcilnego kryteri um optymalizacyjn ego:
Jl
decydują o własności ach odpowiadających im metod wyrównania. Ścisła kla-
sy fi kacja w tym zakresie j es t przedstawiona w pracy l<:\lJA,JA 11988 ), nato-
miast tutaj , w sposób uproszczony, zapiszem y :
dla każdego v a-fr) = c: - -; wyrównanie neutralne
dla każdego v ~O : 1•{vi ~ a {O) · - - ) wyrówna nie odporne
dla każdego v °"O : 1•<v) ~ ll{O) - -> wyrównanie słabe
Przedstawiona na rys. 3.6 ogólna klasyfikacja metod wyrównania jcs l.
zwi ~\zana ze s posobem ich „reakcji" na wyniki pomia r u oba rczone b łędami
grubymi. Takie wyniki pomiaru będziemy nazywali wy ni kami odstającymi
lub obscnvacjami odstającym i . W metodach neutralnych odstaj ące wynik i
pom ia rn „tra ktuje" s i ę tak jak k ażde inne, co oznac:rn, że możn a się tu t aj
(3.12) sp o dziew a ć istotnego wpływu błę r!ó v.; gru bych n a rezultaty wyrównania ,
pr zede wszystkim na wartość esty matora .~. Odporne me tody wyrównania
li
(w omawia n ym w tym po d rę c:m ilrn ko n tekście ) S<\ to met.ody, k t ór e w jakiś

(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

(niekiedy powyższe wyra że ni e jest traktowane jako równoważn e kryterium

optymalizacyjnemu (3.12) i zapisywane jako kryterium wyrówna ni a).
Spodziewan e wł asności meto d wy równania na leżącyc h do klasy ,\;/-est y-
macji można u s ta l ać na podstawie a n a li zy w ł asnoś ci s kł adowej p(v) fun k cji
s
celu (.r). W t eoretycznej a nalizie metod WJTÓwn:m ia kor zysta si ę także
z nas tępujących fu nkcji (l(ADA.J 1988):
nculr;ilnc

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 ):

In(- /(v}) metoda największ ej w i arygodności

- j(v) zasada wyboru alternatywy

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 .(

najmniejszych kwadratów (NK)

W naw i ąza niu do ogóln ego kryterium 11.f-estymacji o postaci (tego rodzaj u zadania, odnoszące się bezpośrednio do problemów geodezyj-
nych, będziemy także nazywali zadttniami wyrównawczymi). Minimum funkcji
celu ś(x) leży w punkcie x"" .r, dl a kt6rego

1) ~~JP· lx'"' ""O (warunek konieczny istni enia ek stremum)

oraz po pods tawieniu oraz

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

.'1.~r::.'. = ~?.~:2 ..' .:J + i!{S·.r2..'.i'.'~ + . .+

() ć f.\' ) d1·
-·---~_. : .. „ ••• • "··---~-'-· Ponieważ
vv1
:::

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.>

r/_r jX"t „/' \ ' , __ I „ . . - L.., p,x,„,,

1.·~-
~„ " ·-,. . 4 ... : ;~1

p1(.i - .r\';, )+ p 1 (.'i: - x~:/' ) +· „ ~ p„(.r- x;;;,:i =O o p„ X

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 ~

u sta lamy warunek konic!czny ekstremum funkcji ~ (x) w posta ci li

CV T l'l „~O)J
jeśli L Pi > O
r/~( x) r;,· p\,· = O i~ l
<-~>

! w celach dyda ktycznych powtórzmy te działani a, korzystaj ąc z analizy

„·-··- -··"'---.. macierzowej .
I;,· P( 111 -~ - x" 1') =O

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

. '-~" ( x 11ab ) J! ·r " _,

p

więc s tosowany wczeŚnlCJ elementarny model fu n kcjona lny V „. I„ x ... x"b

o o o nale ży te raz :zas t ąpić modelem o posta ci

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

(/~r j. uzy skujemy

.. · Il
f!r
i
.J T •
A P V"" O

\Vówczas, po uzyskaniu estymatora

- 'x· . mozna
. o11·
} iczyć Po podstawieniu V= AX + L do AT P\1 "'O otrzymujemy układ równań
T •
A PiAX+L) =O ce:-
(:3.22)
Przyjmijrnv że -\ 'T".r · . . AT PAX+ATPL =o
r . - ' • ' E \ , r < 11 Jest mac1erzą kolumnowo cłne . •l --··-·--- ·-···"' .. ··-·" " "" " ' ''' '' '· · ---·-·---·
„
-

111 o_bcc takiego założenia, rząd R( A)= d f-•k l- _P . ?o. l zę_< u.

(\ '!'\ "'! ( ·1 · .. · 'Ct:.t<-··r - R(A)'=Ot1stn1e1·e
' -· J w ogo neJ teorn est ·· t l · . .
Ponadto skoro \r = x - ~"h .• yrnacJl a ne załozeme nie jest konieczne). nazywany u k ładem równai1 norma lnych . Pon i eważ zgodn ie z wcześniejszym
· ·· · · · • n..itomrnst x:~AX+w, to
założeni em istnieje (:\ T PA ) · 1, wif,!c roz\viązaniem lego układu je.st estymator
V"' AX+w-x""
~-----v---"
L ' 1' - I T (3 .25 )
lub X = - ( A PA ) A PL

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 • _ ·' ·

IlldJ<\ on~ wsp~lnq wartosc oczekiwaną E(.t>b) ~' x.

- -
_s~, co praw~~' realizacjami różnych zmiennych losowvc h lecz
· ' ·
/(x""; 0). Zwróćmy uwagę, że zmiennq w fu nkcji gęs toś ci je st losowy wektor
·x0 1i . Jeśli jednak pomiar już nastt1pil, i znana jes t konkretn a rea lizacja x"11 , to
, Rozwiązanie zadania (3.24) można mializować w nawi·iz·miu do r> . ·. db parametrów 0 (przy da nej obs i;nvacji x"b) możn a zb udować fonkcję
IWJ w rozdz 1 4 te ·· - - '' ' mawra-
. . bi -- · __ oni uogo 1monyc 1l odwrotno~ci macierzy W tyni J·orit >I·
sciepro ememJ'·tt·k·, · - '· " e,-
równań niż niewi~~om;c:~ rozw1<1zanre sprzecznego układu równar'i. (więcej
nazywaną funkcj ą wiu rygodn o ś ci . Podkreś lmy, że chociaż do określe n ia fu nk-
AX+L=O
cji wiarygodn o ści wykorzys t uje się postać fu nkcji gęsto ści , to jednak tym ra-
ab~ niez~_ro\~e reszty V (w omawianej tutaj tco:ii traktowane jako estvnrn- zem jest t o funkcja względem parametru e (a nic zmiennej losowej x"1').
tozy popi ,1wek), generowane przez rozwiązanie X, czyli .
Zasada najwi~kszej wim·ygodności zaleca wy znacze nie tak iego 0, a by
AX+L =V
spełniały kryter·ium max L(H; x ''h ) = L (G;x 1,r') (:3.28)
(')

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

w nawiązan i u do M-estymacj i oraz w zastosowaniu do wyznaczania esty-

matora wektora X, występującego w mode lu funkcjona lnym V= AX + L, l~ry­
te rium optymalizacyjne metody NW dla zmiennych niezaleznych ma pos t:ac

Zatem logarytmiczna fu nkcja wiarygodności ma postać

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)

Zauważmy, ze problem optymalizacyjny max /(X:x";, ) jest równoważny

problemom X
gd:7.ie .
p (v,- ):.:: In {- / ( v; )] , na t om1as t 1·,- = a.,X +I,· ( a.,. - i-ty w ie rsz ma cierzy A ,
II -- i-tv •
element wektora L ).

,Jes').i pona dto C „„ =--·cI a 02p - I ,

-" .
to Przedstawione powyżej probl emy odnos zą się także do zmienn~ch_ loso-
wych typu s kokowego, opis ywanych fun k cjami pra.wd o ~od~bi e n ~ tw a
p (x,"/J; 0 ). w taki ej sytuacji (gdy x;'b,xJ'.' ....
,x~" s~ wzaJemme m ezalezne),
max/(X; x"") <::=> minv rc-- 1 V <::::> minvTpv funki;ię wiarygodności można przedstaw1c w postaci
X .....,_____„ X x"li X

=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

Wówczas funkcja wiarygodności ma postać

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

l.(0;x"b)= fl/(0; xj'b )

i" I

Ideą zasady wyboru alternatywy, wyprowadzonej przer, K\DA.f,\ ( 1984), jest

wiarygodność budowana na pods tawie a lternatywy zdarzeń (a n ie koniunkcji,
t ak jak w m etodzie NW), czy li

,, 3.2.2. Estymacja punktowa współczynnika wariancji

-_ f(
> .·\1
v ·-_ .\.ob v -_ X2ob )+ ... ·r />(X
1 ) + f> ( ,\2 „--·- x„ob ) -- L_, P (0·
"" . . X;oh)
f"'I
Estymator kwadratowy
co w odniesieniu do zmie nnych c iągłych ma postać
Niech wektorowi wyników pomi a ru
macier z kowariancji C X „b o modelu
LZIVA (0; x "b) = " L /(0; x;'I') (:l.34) model ogólny
i:ol

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

Tr(M) "'Tr( I„ -A(A.,-PA)"' 1ATP]::: Tr(I n.)-Tril Ar, A Tp I \) - 1I \rl,]-

-

=Tr(I„ )-Tr[ ATPA(A rPA)- 1 ] = QA=O

=Tr(I„ )-Tr(I r) =n - „ Każdy estymator aJ = {/ nL o macierzy .Q spełniającej własność nA =O
3) MA =0 jest zatem estymatorem n iezmienn iczym, a zbi ór t akich est ymatorów two-
dowód: rzy klasę kwadratowych, niezm ienniczych estyma torów w spółczy n nika wa-
• •• 'J
MA= [l„ -· A(ATPA)··I A rP)A =.:A- A(ATPA)-1 ATPA =O
nancJ1 o 0 .
....-.~...:.....,,..._.~---~--~ Z k lasy estymatorów n iezmienniczych wybierzemy teraz takie estymato-
ry, które będ ą j ednocześnie nieob ci ążone . Kryteri um wyboru to s pełn ianie
1 D l\f7i'i\·1 = MP przez macierz .Q t akiego dodatkowego wanmky, aby E(crJ) = E( If.QL ) = a(1
dowód:
(wa runek ni eobciążoności estymatora de~ '°" L7 QL). W celu ustalenia tego
waru nku zapiszemy ( wartość o czekiwa ną fo rmy kwadra t owej n a l eży odszu-
MT PM=" I r„ - PA(A rp,\)··l Ar JPII„ -A(A rPA)-1 A rP"l = kać w rozdz. 2 .4):
1
= P-PA(A PA)- 1A 1 P-PA(A.,.l'A)- I ATP+
+ PA(ATPA)-1 ATPA(A TPA) - 1AT p =
Ponieważ dla L =w - x"h oraz E (x "b ) = AX + w (zob. model (3.21 )), uzy-
=: P-PA(ATPA)-1 ATP= P[I" -A(ArPA)- 1AT PJ = PM skuje się
5) MP- IMT =p-IMT E(L) = E(w - x"b) = w - E( x" 1' ) = w- E(AX + w ) =w - AX - w = - AX
(dowód przebiega podobnie jak dowód wlasności 1;
więc dla e st ym atorów n iczmienniczych (macier z n s p e łnia w cześ niejszy wa-
Estymatorem kwadratowym współczynnika wariancji 2 d, .
nym , lub warianc"i 2 - 2 d . uo w mo e 1u ago 1- runek QA = O) zachodzi
. . . J a - Oo w mo elu szczegolnym macien;y kowariancji
Jest wyrazeme (np. KunA(:rn 1988) '
stn,d
·2 T
, .. '"·" . , . . oo = L n L (3.38) E(ó'J ) = E(lf QL) =T r(.Q C r,)
gdz1~ .Q :' ~\ Je~t- na r2az1e meznaną macierzą symetryczną. Problem esty-
macji wsp?łczyn~uka ero polega na wyznaczeniu właśnie tej macierzv jed-
P onadto, skoro L = w -x"11 • przy czym w n ie j est wekt orem losowym , to
nak w :~~ 1 spos.ob, ~~Y es_tymator "" IfQL spełniał kilka podstm~~~ych
crJ
wła s nosc~ (tak Jak k,1zdy mny dobry estymator). Od estymatora 2 b d ·
my ządah, aby był: ao ę zie- (3.4 0)

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)
~...----'

powinno by' równe i

.Q ;: _ l_ p ;vl
Wynika stąd, że Tr(M)
2. • np -·I )
E( • 2)
- CJo =aa 1r(•~ =CJo2 Wcześniej wykazaliśmy, że Tr(;\-l) = n-r. Zatem
wtedy, gdy
Tr(nP- 1 ) = I n =.....L-..- PM = ...L . PM (3.'15)
Tr(M) n--r
co stanowi warunek, ja ki musi spełniać macierl .O., aby estymator aJ:;;; 1.f fH.
był estymatorem nieobciążonym w klasie estymatorów niezmienniczych. Sprawdźmy, czy macierz n o postaci (3.45) należy do zbior~ ~opus;r.czal­
Z przedstaw_iony.ch u.staleń wynika, że estymatory = rfnL należ<1 doa-J nego <[>=(Sł: f!A =o. Tr(nr ·-1) =l ) (poniżej korzystamy z wczesmeJ wykaza-
klasy estymatorow rnezm1enniczych i nieobciążonych wtedy, gdy n e <I>, gdzie nych własności macierzy M ) :
I
<l> = {il : wa runek niezmienniczości: !lA '" .„.„ „ „ PMA = O
11 - r 0
warunek wa rune k
n-r
nicz1nlcn oiczośc i nie obc i~\Żo n o~ci
warun ek nieobci~~żoności; Tr(!lP- 1 ) = -~-- Tr(PMP··· I) = „ _l _ :rr;l) = I
. Z ~ej. klasy wybierzemy tylko jeden tuki estymator, którego wariancja 11--r ~ n-r
Jest rmmmalna (estymator naje fektywniejszy). :v1
Wariancję fot·my kwadratowej Lrn L można przedstawić w postaci (zob.
rozdz. 2.4) Ponieważ n= ___!_ ___P:Vl "' „._L .. PM E <I> wi ęc estymator
Tr(M) 11-r
V(l/ il!,) =(diag(fl)J7' C1, y Ct, diag(n)+ 2Tr(QC 1,!2CtJ (3.42)

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

(szczególny model macierzy kowariancji). Wtedy estymator "

i o
= (2ri:) -···"irr 0P
-11-„- cxp<-0
I l ,
y7py)
i ~a a
a<) I V-. r PV· = .. l„ •• V- r V· =a- -' = m ··•
- > '"' ··-··- „ ..

n-r n ·-r (3A7)

. .. - - =x"" - x jest wektorem losowych. bł<;~Ów p~ -
k Yl.t ' . ( 3 49) sformułujemy funkcję wwrygoc1-
jest w istocie kwadratem błędu średniego pojedynczego pomiaru a posteriori gdz1e, przypommJn;Y (i:
miaru. Na podstawie fun CJl gęs osc1 . . . , 2 Zakładamy przy tym ,
(po estymacji).
... d l t ·azem ze wza l ędu na paiametr O'o- •
J 1
, es. 1. wym'k 1· pomiaru
· x 1oh , x 2oh , .... x„o!, są wzaJemnw
· · ·
meza leznym1
· · zmien-
· no~c1, J~ na c. ym i ,
że Jest JUZ zn any estymator
V~ AX + L wynikający z rozwiązania problemu
nymi losowymi o wspólnej wartości oczekiwanej E(x"") =x (dotyczą jednej
wielkości x) oraz wyznaczenie estymatora f~(x"b) = .\- jest realizowane bez- __!!I
2 C,„hj1-~-cxp(-IV I -. T ~ -·I V)
pośrednio, czyli '\li: x 1 "' F;( X 1• X 2 „ . „ X „) o= F(x) =x, to r"' 1. Zatem w takim m;ixL(X;x"" )"" ( 2n)
X
C" „i,
przypadku

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

w przypadkach szczególnych o post aci (3.47), lub (:3A8) - jest n ajefektyw-

niejszy (o minimalnej wariancji), gdy wartości współczynników ekscesu l (cr02 ; xob) -- 1n l(<r
~
, o ·x"'
, Il
,· ) = -··
2 ln(21t)
n
- -ln<Jo
2 _ ___!..__
2rr o
vrpv
1
wyników pomiaru xi'b. x2 '. ... , x;:b są r·ówn e zeru (np. gdy zmienn e te maj;~
· 2
0
rozkłady norm alne). Można jednak także poszukiwać estymatorów najefek-
tywniejszych dla takich zbiorów obserwncji, gdy y ;!c. O. Wówczas, na ogół, na podstawie warunku konieczne go

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.

Prawdopodobieilstwo y nazywam y poziomem ufn ości. W przypadku ska-

larnego 0 obszar ufności jest przedziałem i\t:i =(<9t; 8 2 ), i wówczas

(:3.55)

oraz uwzględnieniu , że Problem estymacji przedziałowej ma pra ktyczne zastosowanie w specja l·

nych zadania ch geodezyjnych zwi<~zany ch, na ogół, z rozw iązywanie m pro-
(*) T r (PMC1)=ai)·" Tr(PMP" ')=a1ITr(PP- 'M)= blemów technicznych o wysokich wymaganiach w za kresie dokład ności
2.l.( i\;I ) - 2 .
a o r .1 -O'o (ll -r) i niezawodności. Estym a cja ta polega głównie n a wyznaczaniu , przy zał o żo­
M E(L).::: - MAX = O cl.la E{L) ~ - AX, nym poziomic ufno ści y i znanym rozkładzie prawdo podobie1'is t wa estyma t o-
uzyskujemy MA = O m 0 (lub jego funkcji), elem entów ustalających obszar ufności 1\C'l (np.
krańców przedziału (F> 1; 8 2 }, półosi elips itp.). Zakres omówionej w tym
E( ·" .VIY)
; a<it =11-·I E(V· r PV) =-I ·1·r (l>"-I C L )--n--- r a,2 (~
podręczn i ku estymacj i przedziałowej pr1.edstavriamy na p on i ~szyrn s chemacie.
" i•
n,, -ao2 )
Wynika stąd, że estymator • ?. . ESTYMACJA PHZEDZIAJ.OWA
żen ie okreś laj<\ce to b -. .', . <Tot N IV o po.st ac1 (3.51) jest obciążony. Wym.

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

0-2o "" --·~-- y' Tl, V. -- .„·-··

li
··- a• 2 Estymacja przedziałowa wektora X, w nawiązaniu do proble m ów wyrów-
11-r 11-r OINIY (3.53) nawczych, wsta nie przedstawiona w rozdz. 5. Tutaj omówim y estymację
156
157
przedziałową wartości oczekiwanej E(x"") == x. współczynnika wariancji a5
I
t1
•„ . ·'J. losowej
\V cel u standaryzaCJ1 zm ienne .
.r. zapiszr.my

'.r.=-.,Ę~:~!. :: :.r:::_::_ - lO: 11

l
w modelu Cx''" =o)} p ··l i j ego szczególnego przypadku, gdy P = I„ - wa - ! T=
riancji
•
o::! w modelu c X
o /, ""a
2
rtl. 1 a" a_,.
.Jeśli ·wtem przyjmiemy, ze
. NiT\ s r) = / {r ys. 3.8), to
3.3.1. Estymacja przedziałowa wartości oczekiwanej
E(x.ob) = X !i-xi \
p \_-·---1 :;;, I \== ?
( ~ <J,; I J
Znane odchylenie standa rdowe
P (o r<i: <~+O' ·/)= Y
Załóżmy, że wzajem nie niezależne wyniki pomiaru x['" , i=!. 2 ..... 11 poje- ~ipJ- · -~· , (3 .59)
L\ (-),
dynczej wielkości x, są zmiennymi losowymi o wspólnej wartości oczekiwa- " I -

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

(przypomnijmy, że dla tego estymatora punktowego zalożenie o rozkładz ie

normalnym wyników pomiaru xJ'" nie jest konieczne).
Wyznaczmy wartość oc zekiwaną i wariancję estymatora .r, pamiętając ,
:i:<~ Yi: E(x;'b) = E(x"" )o::x oraz '\li: a; =a. Zatem

Rys. 3.8

. " -(· _,.„ . t+cr .\-1 \I wartości oczc-

d· a lowy o - X V X1• •
Ahy obl iczyć est ymator prze_ z1 . d l l "nie st anda rdowe a pojedynczego
. . E( .ol>) - r "dy zn ane Jest o c 1y e .
(3.57) IownneJ ; .l - · • "

P omiaru, nale1.y: t ·iton ~ · a ·. ::: a I J,; ·

.
_ obhczyc- od cl1y Iem. c standardowe
' es ym" ' . . "

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

3.3.2. EstyroacJ·a przedziałowa współczynnika wariancji

n- r 11-l

()
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

można wykazać (zob. rozdz. 2.4), że forma kwadratowa

P(.~-&.it ~ X :;; -~+&_.1) = y ·· I/PML 1,;1'py

'----v---' '----..----' (3.6 1) L 1 UL =---~ - · = - - --„:;--·
e, @i a ij ao

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.

Roz wią zan ie

Przykłady Zakładając, że wyniki pomiaru są wzajemnie niezależne, estymator warto-

ści oczekiwanej można pr-.tedstawić w postaci (ogólna średnia arytmetyczna)
Przykład 3.1
~lii;i-ząc pewną Wielkość X, uzyskano \ iki .ob _ ob
Wymkr pomiaru ,11b maJ·ą . . vyn _ •.t1 - 10.2, Xz =I0.3, x)b =IO 4
d h 1 · ·' wspo 1ną wartosc oczekiwaną E'( ob , · ·
o c Y eme s tandardowe a oraz s wza . . . . · x ) = x, wspolne
mator NK wartości oczekiwan.. ą .. odemme me za ~ezne: Wyznaczyć esty-
wariancji V(x"b) =0'2 (kwadrateJbł Etx ) =x . oraz ~1 eobc1 ążony estymator
a posteriori). ędu sredmego POJedynczego pomiaru m2

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;~

Następnie obliczamy estymator wektor a pop rawek ( \ • = i a- x";,)

" ob l _ 1 . _ l 3

I p;x, =·4 · 100.2) + ···9 - I00.47 +I 00.2:> +--:;·!OO.JO

2)
= 140.488 0

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.

lłozwió\zanie Przykład 3.4

Wa rtości oczekiwane wzajemnie niezależnych wyników pomiaru
Funkcjonalny model (układ równar) poprawek) ma w tym przykładzie
o/J _ 3 -. .of, _ ~O 5 r''" = 1.8 o wspólnej wariancji cl są lini owymi funkcja-
postać: x 1 - .). -' 2 - · • ·3 .
m i parametr-ów X 1 i X2 o postaci:
ob).
lj
Vl =o;-(~I

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

v 3 =a ~-a 3oh a"I' E( X3"/' ) --

) (g ) X2

Wyznaczyć estymator y NK wart.ości oczekiwanych E(.i:j"' ), i "' I , 2, 3 oraz

Na podstawie znanych błędów średnich pomiaru ustalamy następującą
macierz wag: estym a t or wspólne go odchylenia standa rdowego (błąd śre dni pojedynczego
pomiaru a posteriori).

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 :

W celu wyznaczenia estymatora

E(xl'b) = x1 = X 1 - X 2 + 2.0
X = -(AT P A)- l A 1'p L = (ATA )_ , AT x."b E( x!/') =X2 =2X 1 - 0.4
<:=> E(x"") =x =AX +w
wektora par ame trów X funkcjonalnego modelu V = AX - x."b, oblicr.amy E( x'·} ) = x 3 = X 2 + 2.4
E<.r:ib) =X.\ = 2X1 + x, + I.OJ
Wy z nac zyć es ty m a t o r N K w ek tor a war toś ci p r a w dziwych , jeśli
za tem
x"/J::: [2.2 1.3 3.2 4.5f jest wektorem wyników pomia ru. Wynikom tym
można przyp o rząd ko wać na s tępuj ące wartoś ci kwa dra tów błędów średn i ch
X=j[_2 - 1][4.o] =[o.9] =[~' ]. . . . .) ? .., ,
( w stępne os zacowa ma wananc31 : mj = 0.06, 1112 = 0.20, 1113 = 0.30, m,\ =0.06.
~

I 2 5.3 2.2 x2 Obliczyć także es tymat or współczynnika wari ancji.

E s tymator wek tora wartości oczekiwanych m a postać: R o zwi ąz an ie

S koro zm ien ne x f'b ' ... 'xrb S<1 wzajemnie niezal eżne, to (gdy c = I)

Ponadto, po wyznaczeniu est ymator a wektora poprawek I

··-.·.;
m:r
r·, 5.00
3.33
16.67
j
v= -~ 3.ll r 35l r-0.o.44
[ 2.2 -o51.8 - - 0.4
= - o.9 -
0
-'S. 1>
E(xob)
1
168
169
Ponadto Spniwdzić, czy po dan e w treści zadania wartości odch yleń sw n dardo-
wvch oraz wartość współczynnika korelacji , wobec podanego wektora obser-
-11o r 2.0' r2.21 r-0.21 w;cji x"I>, są rea lne .
[
,=w-x
ob j-o.-.·~
"'1
1.. 3 i·-Uj!
~?"'i '
I i' !
?
_..+
-
·"-I 1- 0.s Ro z wiązan ie

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

oraz x 2 i x3 są wzaj emnie nieza leżn e, t o

16.67 J
36.67 ' -0.005 0.029 . -57.67.
11
następnie cm•( x )' 1' . x'/' ) = cov(x2 • xl'b) =O

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

4.37 J·- ".~

Zatem m aci erz kowariancji wektora x0 /, ma postać
W celu ustalenia wartości estymatora &6, gdy n ~ 4 i r 2 (2 wyznaczone
parametry), obliczamy
o
-0.091 4.0
- - 0.62 .> o yTpy o
V::: AX+L = , a na tej podstawie o0 =mr} = ·------ == 1.27
2.25 11- r

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
X• = -(A T PA) - I A T PL=
nic pasują" do wek torn realizacji x0 b. O tym braku dopasowania wskazywa-
la j ui wcześniej wartość estymatora współczynnika wariancji 6J = 0.49,
[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

o.69] [ 4.ool [ 4.69] [E<xl'b)1

E(x"b)= AX +w = 4.00 + - 5.00 = - I.OO = ~(x'..{1')
dla .r°" >O, }, >O. Zakładając, że zna n e są wzajemnie niezależne realizacje
[1.39 2.00 3.39 E(x'{i,) xl'i>, x!f.b , „ . , x;;b tej zmiennej, wyznaczyć estymator me t ody największej
. - J wiarygodności parametru A.

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 '

Ponieważ są to zmienne niezależne, ich łączna funkcja gęstości ma postać:

Po obliczeni u

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

co oznacza, że wartości elementów pierwotnej macierzy kowariancji

I. O o co prowadzi do następują cego r ównania:

c 11h::: o
~
4.0 Jl
• Il
[ 1.2 o L...i (X;ob)~-
· '
li - }.. :;:; f) s kąd ;i.. = - ···--··-···--·
i=I
I" <x?">2
i=I

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()

wanej E(x"b) = x. ,J;;

Rozw iąz anie

Skoro wyniki pomiaru mają rozklady normalne o ws pólnym i znan ym
odchyleniu stan dardowym er, to przedział ufności (estymator przedziałowy )
wartości oczekiwanej E(x"b)=x ma postać: 1.\x= {B 1;t:J2}=(.r- cr_rt;x+cr;t), Ponieważ prawdopodobieństwu Y= 90 odpowiada wartość t = 1.65 (warunki
gdzie 1 jest taką wartością zmiennej losowej o rozkładzie normalnvm że zadania upoważniają do korzystania z dystrybuanty rozkładu nonnalnego), więc
P(!TI< t) = )'. ,Jeśli wyznaczymy estym a tor punktowy wartości oczckiw~nej
oraz jego odchylenie sta ndardowe (gdy znamy cr), uzyskamy:

E•( X ob) = • IL
X '" ··•·
li
Il

„;, ).44
X; . =: f{ O'.;
0.4
= .r,: =J..1~ = 0.23
(J'

'"'I Przykład 3.10

a) Poziomo\vi ufności y =0.96 odpowiada wartość t = 2.06 (na podstawie tab. I). Pewien kąt {3 zmierzono 4-krotnie, uzyskując wyniki: {JJ'/J = 43.2894ll,
Wobec tego ó.t =(9.97; 10.91}. Z prawdopodobieństwem y=0.96 można fl-"b -- · 4~
/-''l '>gc•gf.
_,..... 'J • .1 =43 . 2900g.
- • /3""
{3"J 1' = <13 .289'>g
zatem mówić, że wartość oczekiwana wyników pomiaru E(x011 ), równa - Zakładając, że. wyniki pomia ru są realizacja mi zmiennej losowej o roz-
wart.ości prawdziwej wielkości mierzonej x, zawiera się w przedziale kładzie normalnym, wyznaczyć - uwzględniając poziom ufności Y= 0.90 -
estymator przedziałowy wartości oczekiwanej E({J "1') =f3 . Uzyskany prze-
9.97 :::; (E(x"b)= x)s 10.91 dzia ł ufnośc i po równać z est ymatorem przedziałowym wyznaczonym przy za-
łożeniu , że zn ane jest odchylenie standardowe wyni ków pomi a ru (przyjąć,
b) ,Jeś li
przyjmiemy y = 0.68, odczytamy 1= l.00. Z prawd o podobieństwem że wartość jest równa wartości estymatora a= m).
równym 0.68 możn a więc twierdzi ć, że
R o zwią za nie
10.2 1 $ {E(x"1')= x)::; 10.67 Wyniki pomia ru kąta są realizacjami zmiennej losowej o rozkładzie nor-
malnym, lecz nie jest tutaj znane odchylenie standardowe IJ. Zastępując ten
Przykład 3.9 parametr jego estymatorem punktowym a,
można, ja k wiadomo, sformuło-
. ł u1nosc1
wać następujący pr ze d zia " . . wartosc1
. . oczek'1waneJ. E'( f.I " 1' ) =f3 :
~ ,.,
Wyniki pomiaru pewnej wielkości x są realizacjami zmiennej losowej x 011
o rozk ładzie N( E(x"")"' x; 2]. Ile razy należy mi erzyć tę wielkość, aby . a . ar
z prawdopodobieństwem równym 0.90 mo żna było mówić, że b ezwzględn a f3-- t $ /3~fJ + 1
wartość różnicy między wartością p r aw dz i wą x a jej estymatorem punkto-
j;. ...;n
wym jest co n ajwyżej równa 1.50.

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),

d:jh == 248.230 (m), d~b = 248.236 (m), d:JI> = 248.239 (m).

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

ma wówczas rozkład norma lny (a nie rozkład Studenta, jak w przypadku

gdy <rlj zastępowane jest estymatorem !!°..fl). Poziomowi ufności y=0.90 od-
powiaila więc wartość 1= 1.65 (tab. I). Wobec takiego założenia, uzyskamy
(J
1
t =3.0 CC
, a na stępn i e Dla a = I - y = O.OS, gdy f == n - l =5 stopni swobody, z tab. III odczytujemy
"Il t = 2.57. Wobec tego
P{ 43.28931.l S {3 S 43.28991.l }=0.90 a r = 3 .6(mm)
1
Z ob liczeń
wynika, że przy tym samym poziomie ufności y, znane odchy-
a następnie
"Il
le nie standardowe "generuje" węższy przedział ufności (w porównaniu z sy -
tuacją , gdy dysponuje s ię jedynie estymatorem tego parametru). 248.23 1 (m) S d S 248.239 (m)

z prawdopodobieństwem -;= 0.95.

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~

ma rozkład normalny, co pozwala na odczytanie z tab. I (dla t'"' 3) wartości

gdzie t jest rea lizacją zmiennej losowe.i Tr o rozkładzie Studenta. Kon:ysta-
jąc z tab. III ustalamy t '~ 1.30 (dla a = 1- '/ == 0.20 oraz/"'- 11 ·- I = 40). Zauważ­ 'V
!_. "'0.4985, skąd y= 0.997.
my (na podstawie tab. Il, że taką samą wartość, oczywi ś cie w granicach 2
dop uszczalnego przyb li żen ia , przyjmuje zmienna losowa To rozkładzi e nor-
malnym (dla { = 0.80). Rozpoznanie to jest zgodne z wcz eśn i ejszą uwagą, że Przykład :-3.14
gdy {> 30, zm i e nną losow<\ 7[ można zastąpić zm ienn ą T o rozkł adzie nor- Wyniki pomiaru odległości d maj1' rozkład normalny o odchyleniu. s~anda r­
malnym i s to so wać taką samą procedurę jak w przyp adku, gdy jest znan e dowym cr. Ile razy należy micrnyć tą odległość, aby z prawdopodobten stwe m
odchylenie standardowe. Wobec tego, obliczając • I ·, - I
Y'°' 0.997 można było twierdzić, że: a ) jti -d\::; a, b) 1
Id -d! S 2a, c) Jd - d jS 3a .
ce I 4cc
111,i =··lll.-1
1 ::.: I .I , m:1 -
J;~ 1 - .
"li Rozwiązanie
Przypomnijmy,
co oznacza, że
P~Il(x" 1' )- E (x"b J!$ a i/}== y <=>

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

przy czym x2 jest taką wartością zmiennej losowej o rozkładzie Xl=ll-r• że

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

.Jak wiemy, do wyznaczenia przedziałów ufności wariancji a2 jest ko-

nieczna znajomość jej estymatora 6 2 . W tym celu należy, przede wszyst-
kim, wyznaczyć estym atory X i V. Ustalajn.c

Uzvskane dla innych poziomów ufności jedno- dwustronne p rze dzi ał y

uf~ości wariancji zestawiamy w poniższej t abeli

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

oraz przyjmując C,"" = a 2 14 - -> P = I,1 , obliczamy (11 = 4, r = 2) . ! I o.010 li

-s er- s
[
I 0.99 I " c;ooo
O.~ -~---'---t-----:~--~-~,9-07_ __ -
20 11
- -- · · -
12000 •

rI -5-, 0.103 __J__~ __ rn_,_s_,_12._ó_~_2_4_00- i

- T I T
=[ - I ] . V- = :\ X + L =I 9 L 0.95 ,,.._s__1_1_6_5___1-___ _ :l_?s
1 __ _ _ _+-_

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

(w odróżnieniu od współczynnika wariancji, wariancja jest wielkością mia-

nowaną) .
Przykład 3.17
a} Dla I~ 11 -· r '~ 2 stopni swobody oraz poziomu ufności r =0. 95 z tab. II od-
c:r.ytujcmy tak ie x = 0.103 , że P(xJ ~ x2 ) =0.95. _ Prawostronny przedział
2
W modelu wartości oczekiwanej o parametrach X= (X 1 X 2 ]"" występu-
ufności wariancji a2 ma więc postac (z prawdopodobieństwem y= 0.95) j <\ nasti:pując e macierze (o przyjętym wcześniej znaczeniu):
, (n - r)6 2
a· $ - „„ „... , . . . „
-> a2 $ l 165(mm)z
X-
A=[ (: :i. x"1' - ·- 6] w ::: O
Po ustaleniu, że
-1 I • [ 4
- _ 9 (111mi
0

„ , 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

P{X]„ 2: x12 ) =-I +i"°„)' = O. l) 5 -> XI., = O·C)ll4.·

"' )-- ,/ --
u' - (.e 1•. o- <11-r)aJ. _,_, ł d wustronny
(n-r)aa \; ' prze=ia „
~ 2 -
P<xi ;:: xi> =-·r
., ~ I- ( 38
2 2 --- . 2 = o.o5 ~ xi = " 41
" , X2 X1
Wynika stąd, że równ ież i w tym zadaniu konieczne jest przeprowadze- więc
nie działań związanych z wyznaczeniem estymatorów X oraz V. stanowią­
cych podstawę do usta lenia wartości estymatora aJ. P( a1~ ::; 60.0 )=0.90 przedział prawos tronny
Podane w treści zadania wartości bł ędów średnich pomiaru potra k tuje- oraz
my jako wstęp n e oceny odc hyleń standardowych. Na t ej podstawie wyzna-
P( 0.2 ::; crJ : ; 240.0)=0.90 przedział dwustronny
czymy następ ującą macier z kofaktorów Qxoh:
b) Gdy poziom ufności y= 0.80, a/=- I, uzys kujemy

P(XJ ;:: / ) = 0.80 -> x" = 0.064

4 9l „ I +/
(min)"
? ?
P(x_i- ;:: XI)= -··2··- ~= 0.90 -> x;2 = 0.016
a następnie macierz wag P: P(x1
? ?

. - ;:: 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)

X=(A 7' PA) - IATPx "b =[ 1.885 -1.231][- 7.0] [ - 8.3]

- l.231 1.538 - 4.0 = 2.5 (mm}

-
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

w punkcie X = x 0 , można wyw aczyć korzystając ze wzon1

(4.5)

gdzie, przypomnijmy, D ::: ~F(X2j

()X 1x„x0.

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)

Uzyskane wyraże ni e, stanowiące szczególny przypadek propagacji macie-

rzy kowariancji, określa zasadę propagacji wariancji dla zmiennych ni eza-
l eżnych (zob. także rozdz. 2.1.3).

Macierz kofaktorów i jej propagacja

Macie r z kofaktorów wprowadziliśmy j u ż w poprzednim rozdzia le, przyj-
mując , że zmienne losowe (wyniki pomiaru) są wzajemnie niezależne, i m a -
cierz ta, podobnie jak macierz kowaria ncji, jest diagonalna. Wskazywaliśm y
również, że kofaktorami (przybliżeniami) wariancji m o g ą być w naszych za-
ga dnieniach kwa draty błędów ś redni ch a posteriori. Tutaj rozwa żymy bar-
dziej og<ilny przypadek, w którym są znane oszacowania zarówno wa ri ancji
V(X,) = <J;2, jak i kowariancji cov(Xi ,Xj) każdej pary zmie nnych losowych
Xi, JS·,
i, j '"' I, 2, ..., n, i ~j . Przyjmijmy, że cov(X;, X1) jest dostępnym przy-
bliżeniem - osza cowaniem kowariancji cm{X;,X1 ). Macierz kofaktorów ma
wówczas następującą budowę :
~o~(X 1 ,X„ )1
2
Rys. •U
Założe n ie, że wszystkie elementy macicr:t.y kowa riancji s ą rozpoznane
na tym samym poziomie, j est zał ożeniem bardzo r ygorystycznym; w wielu
praktycznych sytuacjach tru dnym do spełnienia {np. we wspólnym opraco-
wywan iu niejednorodnych pod względem dokładności zbiorów obser wacji).
z teoretycznego punktu widzenia, prawidłowym modelem jest wówczas mo-
del macierzy kowariancji budowany z zastosowaniem koncepcji lokalnych
współczynników wa ria ncji (np. WtśNrnWSKl 1989a). Uzyskanie dobrych osza-
cowań takich współczynników jest jednak dosyć t rudne, szczególnie pod
względem numerycznym. ,Jednorodny model Cx =aJQx znajduje zatem

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) .

Propagacja macierzy wag

a; = (0.1 0 ( 111)) 2 =O.Ol (111) 2
c ')
1'.1acie rzą wa_g (o.~zym już była mowa) nazywamy występującą w modelu
?
a~ = (20 )- =400 (cl "')
macierzy kowananCJl Zmienne sq ni ez ale żne, zateni
2
'
()'-, ax---P ) a--r-
== - ' . Jx I'
--- ( )2 a '- , .,
=(cosrp 0 b)-O'-+(-r" 11 sm1p"b)-
. ,
- --I -„· a"
macierz -~ p (_ dr r Cl<p 'P ~-.,.__.::, (p(<:l )2 ';'
(m- ) ' - - - - -·--v--·- ----J
(m2)

Ponieważ (na podstawie (4.9)) = (~;Ja~ = 0.0986 (m) 2 ->

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

Po odczytaniu z macierzy wa ria ncyjnej CX.Y• że • ~~DCxD r = [_

Cv
2 -1][ 4_ o.s]r 2 '] =[ .23 - 014.5]
I I O.:i 9 l.-l I -0.5
V(X) = cr} =:4,
Elementy uzyskanej m acierzy kowariancji Cy wskazują, że 0} =23,
obliczamy 1
er~, = 14, cov(Y1, Y2 )
= -0.5. Zatem współczynnik kore lacji między zmjennymi
--> CT z ::o 5 y 1 -i Y 2 ma wartość
Takie samo rozwiązanie można uzyska ć korzystając z bardziej ogólnego
wzoru
V(Z) = Cz= DCxy Dr
gdzie Przykład 4.4
D"' rn~ -%~] = [2 - 1) Obliczyć odchylenie standardowe zmiennej

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

Zatem macierz kowa riancji Cy \Vektora Y ma postać

Uz-?
-
= I 31LI()
[ !'" 16 190][11 =
:lj
157
Ponieważ cov(Y1.Y2 ) = O. wi ęc zmienne Y1, Y2 są ni ezal eżne.

b) Bez uwzględnienia zależno ści kor elacyjnej (cov(X, X) = 0) Przykład 4.6

Wyniki pomia ru kierunków K 1, K 2 i K 3 (rys. '~. 2 ) s ą nie za leż nymi zmien-
' ' = [16
c X.) O
o'j
9.
nymi losowymi o odchyleniach standardowych a 1 "' 2~ ". <r2 = 3cc, er3 = l "" ·
Ustalić macierz kowa riancji wyz naczanych z tych kierunkó w kątów o:, /J
or az ich współczynnik korelacji.
uz,. = [1 3] [16() 0][1
9 3
]= 97 ()

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:

Czy zm ienne Y1 , Y2 są z al eżne'?

~2j=["
0'3
9
Ro z wi ąza n ie

Po wyznaczeniu wartości elementów macierzy D w punkcie X "· x o Ponie w aż

o współrzę dnych
X1 "' 0.50, X2 = 0.25, uzyskamy a=K 2 -K1

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

Następnie obliczamy więc

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

=-1.· :z·1[2O -ll~Jj!'[_?~_ - :_~

, J1'[_zl O!] =l! -4!?
2 ., -1 T ··_1 -(?4_.J
C y = o-j)DPx D
ij11[ I
o
uzyskujemy Przykład 4.10
W celu wy:. maczenia wysokości H budynku (rys. 4.3) zmierzono kąt a.
oraz odległość d, uzyskuj ąc wyniki et'" - 50!!, d 01' = 100 ( m). Wyznaczyć błąd
średni wysokości H, jeśli błędy średnie wyników pomiaru mają w artości:
ma= 1oc, md=0.04 (m).

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")

n a tomiast współczynnik wariancji wartość O"t~ = 4.

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

.l 0.7071 2__ 6366.2"

=a6 DP;X1Dr ')

(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

Rozwi ąza nie

Rys. ·H
Q ;- r = DQ,; 1, D
" .
T
= IO ·
-S[-3.6.91 ~
- .'·I
1
.
6.9 J (ml2
..... l
r
mv
2
~' p

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'-)

Ocen iając wart.ość współczynnika korelacji między t ymi zmie nnym i ,

gdzi e
otr zymamy
cov( X I'. Yf' )
fi X r "" „„. , „ „ ·--„•.„ . --)

więc vx1.c1r"

- c1""sinAw,-j = r --0.10111 - 282.s43,I

d"„ :;os Aur Jx"'x"" L 0.7071 I ·· 282.843~
Przykład 4.12
Wyniki pomiaru kątów o: i fJ m ają t aki sa m bh\d średni pomiaru m . Są to
N a ~odstawie. podanych bł?dów średnich wyn.i ków pomiaru, zestawimy zmienne wzajemnie zależne, przy czym dysponuje się następującymi ocenami:
nastr;puJącą _ma~1.crz k?fak_torow (wyniki pomiaru s;:i niezależn e , więc jako
współczynnika korelacj i Pn.fi ::: 0.5
0CCl1G kowananCJI przyJIDUJCffiy cov(d ,a) = 0):
kowariancj i c ov(a.,/1) =2 (c) 2
Obliczyć błąd średni k~1ta y, wyznacza nego n a podstawie kątów a i {J.
Q d,,1. =[
......
m3
CCIF(a, d)
cov(d,a
..,
)] -·
mi;
_ lro.0001(m/
o 100 ~cc)i]
.. Hównież i w t.ym przykładzie bl:\d średni pomi a ru kąta należy przcdsta-
w1c w micrze łukowej. ·

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

5.1. Metoda parametryczna

Ili
2
=cov(a, /J}
--· ~------- = 4 (c)
2

Pa,/J 5.1.1. Zadanie wyrównawcze i jego rozwi ązanie

więc
'vV rozdziale poświęc onym elementom wnioskowania statystyczmlgo esty-
m,~
- - 1
cov(o../I) _I m- macji podlegała wartość oczekiwana E(x"") wektora wyników pomiarn x""·
Qa.fl =
[
_ .
cot'(/J,a)
,
mp J-I_letil'(/l,a} Zakładaj ąc, że wart ość oczekiwaną można prze dstawić w postaci funkcjonnl-
nego modelu liniow ego E(x"") = x = AX + w, estymator E(x0 ") by! wyznaczany
Ponadto skoro Y= a+ {3, to drogą pośred n ią, przez wyzn-acze-n ie estymatora X. .Jako metodę estymacj i
s tosowaliśmy meto d ę najmniejszych kwadratów po l egającą na poszukiwaniu

-[ar ap~(JJ ='I

D- ····-
iJa
t 11 m in imum fun kcji celu ( (X)= y'l'py wzglę dem parametrów X , przy czym
V =AX + L, L ~ w - - x.011 • 'i.1ką metodę pozyskiwania minimum funkcji ~(X) na-
zywamy w rachunku wyrównawczym metod ą poś rednic zącą lu b pa rame-
Wyznaczając kwadrat błędu średniego lqta Y, uzyskujemy tryczną

Estymator X będ ziemy dalej nazywali wektorem wyrówn anych parame-

trów (np . wyrównanych współrzędnych punktów s ieci geodezyjnych), nato-
.
nuast estymator x• = x ob + y' - we ]ctorcm wyrowna
. nyc h wym·1rnw• pom iaru.
.
„Wy równane parametry", a w konsekwencji „wyrównane współrzędne", n ie
Zatem m r '"' 3-6° . są pojęciami ścisłymi, wyrównywane są bowiem obserwacje (pseudoobs er-
wac:je, któt·ymi mog<' być także współrzę dne , np. w wyr ównaniu sekwencyj-
nym, o czym bę d zie mowa dalej). To właśnie do obserwacji są d oda wane
takie poprawki s pełniaj~\ce własne kryterium optymalizacyj n e yTpy::: min,
że poprawione o nie wyniki pomiaru (wyniki wyrównane) s pełniają ścisłe
związki funkcyjne (mo del e funk cjonalne). Chociaż w praktyce parametry
stanowią podstawowy przedmiot zainteresowania (wsp ółrz ędne punktów sie-
ci geo dezyj nych), to jednak w procesie wyrównania odgrywają one ,jedynie"
rolę „p oś red nika"_ Co prawda, w bardziej zaawansowanych metodach wy-
równaniu podlegaj ą tak ż e współrzędne sieci geodezyjnych ( i nie s ą tam
tra k t owa ne jako pseudoobsenv<1cje), wówc zas jednak musz ą one spełn i a <:
przyporz ądkowane im, dodatkowe kryteria optymalizacyj ne (np. )(!'x =min
w tz w. wyrównaniu swobodnym, omawianym także w tym podręczniku ) .
W praktyce geodezyj nej mówi się jednak na ogół zarówno o wyrównanych
obserwacjach, jak i o wyrównanych wspó łrzędnych - parametrach lub, ogól-
nie, o wyrównanej sieci geodezyjnej . Nic ważnego nie stoi n a przeszkodzie ,
aby używać tych p ojęć także i w tym po d.rę czn iku , zdając jedna k sobie spra-
wę z ich rzeczywistego znaczeni a.
W najpros tszym ujęciu or a z w nawiąza n i u do trady cji , m etody pozys ki-
wania wyrównanych obserwacji (czy li estymatora x), ale ta kże e s tymato-

205
rów parametrów modeli funkcjonalny ch (np. estymatora X ), tworzą dzia l
geodezj i na zywany rachunkiem wyr ównawczym. Poniew aż rach unek wyrów-
na wczy stanowi przedmiot zainteresowania tak że i innych dyscyplin (np.
astronomii, fi zyki doświadczalnej, ekonometrii itp.), często w odniesieniu do
i nter esuj ący c h n as tutaj z agadnień mówimy o geod ezyjnym rachunku wy-
równawczym. W zakres geodezyjnego ra chunku wyrównawczego wchodzi
rów n ież wyznaczanie parametrów opisowych wyróżnionych wy żej estymato-
rów (lub ich fu nkcji), nazywane anali zą lub oceną dokładności . Nal eży mi eć
przy tym na uwadze, że współczes ny rachunek wyrównawczy, ba zujący na
a ktualnych os iągni ęc iach w zakr esie teorii estym acji, jest du żo bardziej zło­
żo nym i cią gl e rozwijającym s ię dz iałe m geodezji (niektóre współczesne m e-
tody r achunku wyrównawczego bę d ą omawia ne w tym p o drę czn iku ) .
Pods tawowe sposoby zastosowania metody para metrycznej do rozwi~\ZY­
wania problemów wyrównawczych, a przy tym najczc;ściej stosowane w prak-
tyce geodezyjnej, b cdą opisane w dalszej częś ci rozdziału.
Rozwini ę ty model funkcjonalny
\V praktycznych problemach geodezji, reali zowanych z zastosowa niem
s ieci pomiarowych Oub innych struktur g<.:omctrycznych o podobnym ch a -
rakterze), pomiarowi , a nastc;pnie ws pólnemu opracowaniu „_ wyrównaniu,
podlega na ogół wiele róż nych wielko ści , np. hltY, dł ugości , azym uty itp.
Załóżmy, że każda z tych wiel koś ci jest mierzona jednokrotnie lub też ra -
czej (co jest bardzi1~j zgod ne z prak tyką pomiarową) opracowaniu podlegają
pojedyncze wielko ści stanowi ące ś re dnie arytmetyczne z wyników ki lk u po-
miarów (np. ś redn ie z wyników pomiaru o dległ ośc i „la m" i „z powr otem",
śred nic wartości kątów z kilku serii, itp.). Takiej sytuacji, o czym ogólnie
mówili ś my w rozd z. ~), odpowiada ro zwinięty model fu nkcjona lny o postaci
( przypomnijmy: ele menta rnym modelem funkcjonalnym jes t x;'" +v; = x.
i = l, ... , 11, czyli pomiarowi podlega tylko jedna wielkość x)
l=
x1o/J +v 1 = x 1
x'.f." + v2 = x2 V=x ·- x""
-'1 ~rI
x;;" + I'" =
Wyrównanie, a więc wyznaczeni e dobrych estymatorów interesujących
nas wielkości, można jednak przeprowadzać tylko wtedy, gdy istnieją obsc~r­
wacje nadliczbowe , tzn. gdy model funkcj ona lny zawiera mniej para metrów
stanowiących a rgumenty funkcji celu ~ niż równm1. Parametrami w przedst a -
w ionym powyżej modelu S<\ wszystkie mi erzone wielkości (x 1, x 2 , .. .• x„) ~=> x.
Zatem t utaj 11 = r , i liczba obserwacji na dliczbowych, u sta lana na podstawie
stosowanego ju ż wcześniej wzoru
20(:)
f = 11-r (5.1.1)
(jego uogólnienie jest przedstawione w rozdz. 8), wynosi fe:. 11 -- ,c, O, P rzypo- „
mnijmy: w elem entarnym modelu funkcjonal nym (x)'h + v; ::: x, i= l ..... 11 )
=V "' l „x -·xnb mamy r = l, stąd f =' 11 „ r = 11 - l. Z ww. uwag wynika, że rozwi -
n ięty model funkcjonalny, formułowa ny w oderwan iu od struktury geome-
tryczn ej, jest u kładem jed noznaćznym , spełnianym dla każdego zbioru wy-
ników pomia ru .t;'" (bo dla każdego i = J, ... , n: (.t; = x;'" ) ~ (1~; =O)).
Pojedynczy wynik pomia ru, jako estymator wartości pra wdziwej, jest nie
tylko estyma t orem o trudnych do przyjęcia cechach teoretycznych, lecz jest
także estymatorem „ryzykownym", z praktycznego punktu widzenia, u lega-
jącym łatwem u w pływowi błędów pomiaru.
Wydawałoby się, że dobrym rozwi ązani em przedstawionego problemu
jest pow1-ót do modelu elementa rnego, kt óry tym razem opisywałby wielo-
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
f = ns -11 = n(s - I)> O (jeśli tylko .r > l ). W t akiej sytuacji rezulta tem wyrów-
nania będą, co pra wda, estym a tory wa1·to ści prawdziwych o możliwych do
zaakceptowania w ł asnościach teoretycznych (np . średnic arytmetycz ne
z wielokrotnych pomiarów różnych wielkości ), lecz wyznaczane nieza le:i.nie
od siebie nie będą spełni a ły związków funkcj onal nych zachod zących między
elementami struktury geometrycznej . Na przykład, tak wyr ównane l«\ty
nie będą speł niały warunku s umy kątów w trójkąci e. Z inżyni erskiego
pun k tu widzenia, dobre estymatory wa rtości prawdziwych powinny jednak
ni e tylko wykazywać pożądane cechy teoretyczne ( nieobciążoność, efektyw-
ność), lecz także spełniać warunki wynikaj ące z geometrycznych własności
m ierzon ych struktu r. Uwzględnienie fun kcjonalnych związków między wa r-
tościami prawdziwymi x; , i = I... 11, jest możliwe po wprowadzeniu takich
wspólnych dla nich parametrów X 1, X2, .••• X, (o czym ogólnie mówiliśmy
w rozdz. 3), że
.t1 '" F1(X1.X 2 .„„X,) :o: F1 (X) )
;r2 = F1 (X 1. X2 •. . . , X ,.) = f~ ( X)j
(5. l.2)
( .:) X = F(X)
x „ :o: f;1 (X1.X 2 •. „ .X,) = F;1 (X ) r <u
Układ wyrazaJ ący związki między prawdzi wymi wartościami wielk ości
mierzonych a przyjętymi parametrami nazywa my w rachunku W)TÓwnaw-
czym układem równań obserwacyjnych.
Podobne dz i ałani e zastosowali śmy w rozdz. 3, za stępując wektor warto śc i
prawdziwych x uk ładem rów nań liniowych x =F(X) = AX + w. Podstawienie
ta kie stanowi jedn ak tylko szczególny przypadek układu równ a ń obse rwa-
cyjn ych o ogólnej postaci (5. 1. 2).
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}:

7~ u'~~ x"b +V= F(X ) '"'>

tf .
__) d. '---v----"
X

S,
Ui.1.4)

, - - -··---„-·_ ____y_ ________l

I s,

zastępujący jego szczególny, omawi:iny w rozdz. :3, przypadek liniowy

l
I
~ '<Xs --X,)2 - (Ys. -r, )' ~fi(X')
c/1 "I\··\ l · 1' V =AX + L, gdy L = w -- x01'.
L„.„„„„„-----------·---· Za k ład a n a nieliniowość modelu (5.lA) nie dos tarcza j;1kic h ś szczegól-
Rys. 5.1. l. Pr'.Lyklady równań obserwacyjnych nych kłopotów o charakterze teoretycznym lub numerycznym (np. AoA~l­
czr-:wsK1 HJ69, 1970, Tmn ss~;N 1990, W1śNH:ws 1u 2008), na ogół jednak w prak-
W strukturach wysokości owych (sieci niwelacyjne w układzie współrzęd­ tyce nieliniowe funkcje F (X ) sq sprowadzane cło postaci liniowej przez ich
nych H) o mierzonych przewyższeniach h; za parametry można przyjąć wy- rozwi ni ęcia w ograniczone do pierwszych wyrnzów szeregi Taylora (zob.
sokości punktów Z1 i Z2 (rys. 5.1.2). rozdz. L)). Należy wówczas założyć, że jest znana przybliżona wartość x<>
parametru X (np. przybli żone współrz ędne punktów wyznaczanych). Przybli-
żenie to może być us talane na pods tawie „surowych" (n ie wyrówn a nych)

„~[;;;]~ 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

i>Ę(d x) <J T () V _ r >

E( L) = E(xo ···· x''") '-= 1~·(xo )- E(x"!J) = ······- ······- = -······ V PV · -·· -·· - 2V I ·A
(5.1.8) ud x ()V <Mx
o o .
= x - x = x -( Adx + x }=- Ad x
o
.. (J r r ćlV ()
Ponadto skoro L = x0 - x"" i wektor przybli żcr1 :r.0 nic jest loso wy, to na (przypomnijmy: -··-- V PV = 2V P, ----··-=-- ( Ad x + L) =A).
podstawie zasady propagacji macierzy kowariancji (rozdz. 4) usta la my av iJdx iJd x ·
na podstawie warunku stacjonarności i), uzyskujemy
(5.1.9)
u.;( c1 ·x- ·>I • 1-. r ,·
P rzypomnijmy t eż, że C x"" == Cr.. gdzie e =-V jest wektorem losowych
----
iJd X
-1 •
= 0 =2Y IA = O ~-> A IV = O=
dx =dx
błę dów pomiaru. T •
A P (Atl x+L)= O
--·--=--- V

210 211

A T PAd,
'
+ A T PL = O
Układ równmi (5.1.11) jes t układem równ ań normalnych.
Zauważmy, że s koro AE :R"·„, to ATPA E '.Jl'··,· oraz ATP LE :H'" 1. Wynika
s to.cl, że układ równań (5.1.11) zawiera ~yle niewiadomych (elementów wekto-
ra d_x.~ 9\'" 1).)" ~le jest równm). Jeśli zatem ATPA .1~ie j?st ma.~ierw, osobliw4,
tzn. Jes!t R(,_\ I A)= r, to do rozwiązania układu A 1 PA d x + A 1 PL= O moż na
z as t osowac metody zapreze ntowane w rozdz.1. :J („układy r ównm\
o kwadratowej i nieos obliwej macierzy współczynników " )
Wa runkiem wystarczającym, ale niekonie cznym do tego, a by A r PA był a
(5.1.11)
dodatnio określona, jest dodatnia określoność macierzy wag P . W klas ycz-
nych problemach wyrównawczych elementami macierzy wag (na ogół prze·
Jqtniowej) są odwrotności kwadratów błędów średnich pomiaru. W t a kiej
sytuacji wszystkie elementy t ej maci erzy są dodatnie, i dla dowolnych
y ~O, y ~ O mam y (y/Py 1 > 0) -=->(y 2 AJ'PAy 2 >0) ( wa runki d oda t nich
1 2
określoności macierzy).
Sprawdźmy, czy uzys kany es tymator dx = - (A·1-.PA r· 1 A.,.PL jes t nieob-
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

.r„ = r-;,ci ,,f 2· ···· ,Yr> = F„(X)j

l{ontrola wyników wyrównania
) . .
.I· o wyznaczeniu estymatora d x, a następni!! wektora poprawek V. nale- Sprawdzenie, czy wyznaczone w procesie wyrównan ia wielkości spełn iaj ą
ży wykonać obliczenia kontrolne złożone z dwóch eta pów. Etap I polega 1rn układ (5.1. 17), jest treścią II etapu kontroli oblicze r1. Negatywny wynik t ej
s prawdzeniu, czy jest spełniana równość (w granicach dokładności oblicze1)) kontroli n a. ogół świad czy o złym sformułowaniu ukł a du rów n a ń obserwa-
cyjnych („wyrównano nie tę geometryczną s trukturę pomiarow;\", której
(5. 1.lG) układ dotyczy) lub też, co zdarza się czę ściej, pierwsze wy razy rozwinięci a
w szereg Taylora w niedostatecznym stopniu zastępują nieliniową funkcj ę
F(X) w przyjętym punkcie X= x0 . Mówiąc inaczej, przybliżone wartości para-
metrów x0 są zbyt odlegle od takich wartości X, które minimalizuj<\ funk-
cji,) celu
Z 1.eorctycznego punk tu widzenia, taka równość zachodzi, gdyż ,;(dx) = v r py = [F(X) -x"" { P[F(X)- x"" J

'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

nych funkcji estymatora X. C·<lx ~--o----·----" .._„. „·-····~;;---R ____, ,

Pod stawą wszystkich tych wyznaczeń jest model macie rzy kowai·iancji

wyników pomiaru o wcześniej j uż stosowanej postaci C x"" ::: arfQx·•h =crJP-1

oraz opisane w rozdz. 4 zasady propagacji macierzy kowariancji. W modelu
macierzy kowariancji występuje nieznany współczynnik crJ.
Wyznaczenie _ 2( ,\ r l',·\ )--1
-ao
jego estymatora aJ,
oznaczanego często (o czym już mówiliśmy) przez mc3,
Ponieważ w wyrażeniu X= x0 +cl x wektor przybliżonych wartości para-
wchodzi także w zakres oceny dokładności.
me trów x 0 nic jest losowy, wi(lc
Estymator współczynnika wariancji 1
C· == C · = aJ(A"/"l'A) - (5.1.20)
Niezmienniczy, nieobciążony i, w niektórych przypadkach, najefektyw- X dx
niejszy (np. gdy losowe błędy pomiaru mają rozk ł ady normalne) estymator
Zastępując współczynnik wariancji a 1} jego estymatorem
współczynnika wariancji cr(5
wyprowadziliśmy w rozdz.3, uzyskując
a·20 = --···I-·- V· r,· . 2
I V =m 0
aJ = i/nL= i/ne = vrnv = 11-r

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

oraz (po podstawieniu do wzorn (5.1.23)}

Ć,,, = D ,,,Ć::i: n: = D ,,, 111g( A „ PA )"· 1 0~; = m~ D„,(A .,. PA )' D;~
. "'--------.,-----"'

ć; x

gdzie
Przyjmijmy następujące oznaczenie:
. (JF'"(X) [ar-;„(X) a1-~„lX) uf<;„ (X)]
D = ---„~··-·· "' ... „~ '-„- .. "- ·-- ' ... , ..„ . „ ~--··-
„ .. • • . •••„ .

"' ax <JX I ()X 2 ax r •

Wówczas
Ponieważ D"' E 9\ l.r , wi ęc Cw E <)\ l.l. co oz nacza, że C"' =; ( C,,, = 111,;, ). Bio-
r<\c ponadto pod uwagę zwyczajową notację (5.1.21i

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

dobnie jak w przypadku rozwiązania układu: Rd x = -L, skąd dx ). n. T j est

maci e rz ą trójką tm\ z zerami nad przekątną. Pierwszq wyznaczaną nicwiado- gdzi e c 1;> E '.J\'·1 jest wektorem jednostkowym (wektore m, w któr ym wszyst-
m:\ bQdzie wię c tutaj pierwszy element wektora Fil" Schemat interesującyc h kie ele menty, z wyjątkiem e lemen t u na i-tej pozycji, są równe zeru, zob.
nas obliczeń, wynikający z zasad rozwiqzania oznaczonego, ma na s tępując :\ rozdz. 1.1). Dalsze dz iałania sprowadzaj ą się j u ż do wyzn aczenia odpowied-
postać: nich wektorów F RUJ
r
r,„ o = 1,1i·,, R FR(iJ :::: F(lr-= .'(- j

; ; 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

p onieważ MP- 1MT = P-·1MT . więc

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

W celu ustalenia postaci m acierzy k owa riancji c, wyrównanych wyni-

FTJaF;<x2 dF;(X) .. . ()F. CX)] =:i .
ków pomiaru .X= x"1' + V. zapiszemy:
' L ax1 a.Y ~ ax, . · ,.
gd zie a1• jest i-tym wierszem m a cierzy A zapisanej w postaci wierszowej (zo.
= x"„ + i'YJL = x "h + i'YI(x0 - x"" ) = bacz i-ozdz. 1.1)
._____,__ ~

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:

(5.1.27) m;.; = m 0 ~\r P::\:;·:, A j~l~~ "' Ji'f'

mo (A T PA )" 1 1~:· =
-·---- (5. 1.30}
=111 0 J;:;:cA7 PA ) a;.
. - l .,.

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

Zatem korzystając z zasady propagacji macierzy kowariancji (tym razem

~
I

~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

skąd Nic nie s t oi na przeszkodzie, aby w sieciach geodezyjnych realizowanych

w układach dwuwymiurowych , np. w układzie (X, Y), stosowa ć oc enę dok ład­
i= l,2„ ..• k ności uzyskanych wyznacze1i według zas ad ogólnych przeds ta wionych
w poprzednim podrozdziale (błędy średnie wyrównanych współrzędnych, błędy
Uzyskane wyrażenie, możliwe takźe do przeniesienia na rozwiązanie śl·ednie wyrównanych wyników pomiaru, b łędy średnie dowolnych funkcj i).
oznaczone, ułatwia kompleksowe wyznaczenie błędów średnich wielu, inte- ,Jednak na ogól, w tego rodzaju s t rukturach, ocena dokł a dności jest uzupeŁ­
resujących nas z jakichś powodów, funkcji wyrównanych parametrów.
niana bł ędami położ e nia punktów lub, w bardziej zaawansowanych ana lizach,
elipsami ufności. Niekiedy są wyznacz ane także gl obalne miary do kł adności
odnoszące się do całej wyrównanej sieci, w tym przede wszystkim ślad macie-
5.1.3. Ocena dokładności w sieciach geodezyjnych rzy kowaiiancji Ćx. i jej wyznacznik (miary te mają szczególne znaczenie
realizowanych w układzie (X, Y) w porównaniach różnych projektów geometrycznych struktur pomiarowych).

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

stawy te wyn1kają z rozk!adów prawdopodobieństw form kwadratowych

(5.1.33) (zob. rozdz. 2.4) oraz z zasad estymacji przedziałowej in p. W1sNJEWSKJ 2000).
W in teres ującym nas w tym rozdz iale kontekści e nalc7,y rozpatryw a ć
Geom etryczną interpretacją omawianego tutaj parametru dokfadnościo­ dwie fo rmy kwadratowe: jedną dotyczącą estymatora X. drugą - estymato-
wego jest okrąg o promieniu „
mp 1 Przykłady takich okręgów przedstawiono ra wektora poprawek V.
nu rys. 5.1.3. 1) Wcześniej wykazaliśmy, że dx = -(A TPA ) - 1 A r PL jest nieobciążonym esty-
matorem wektora przyrostów eł,\" tzn. E(d X)= d X. Ponieważ X= x0 X . +a
m,..,•·11.'d:.: .f. '
l i· .•.
· t
,
m ~
;
więc także E ( X ) == x0 + E(d x) =x0 +cl x = X, co oznacza, że X jest nieob-
ciążonym estymatorem wektora parametrów X. Ustali l iśmy również, że ma-
der-z kowariancji wyrównanych parametrów ma postać Cx =aJ (A TPA)- 1.
Załóżmy teraz, co do tej pory nie było konieczne, że błędy pomiaru E
mają rozkład normalny o przyjętych już wcześniej parametrach opiso-
wych, czyli t - N„[E(t)=O; C r. =C „„
=acfP- 1 ] . Ponadto, es tymator wek-
tora pr zyrostów jest liniową funkcją wektora błędów pomiaru E =-V, lj.

<l' x=-(,\T PA ) - I A T PL =( A T PA ) - I A T l(r.

>
+ Ad x)=

= (A T PA ) -1 A T PAcl x +(A T PA) ··I A T Pi:~~ (5.1..3,1)

S,
= cl x +( A TPA )-I Ar Pr,
y
Rys. 5 . .1. 3. Geometryczna intcrprct;u:ja b l~du polo:icnia punktu gdy L =V - Ad x =-(i:+ Ad x ). Z w łasności_ rozkładu normalnego wynika
(zob. rozdz. 2.:~). że w takim pr·typadku cl x mH także rozkład normalny
o parame tra ch E(dx )= d x oraz c,ix = Cx=crJ(ArPA)- • ,Jeśli zatem
,Jak już wspomnieliśmy, błąd położ en ia punktu jest parnmet.r em umow- 1

·nym, nic maj ącym głębszego uzasadnienia probabilistycznego. Chociaż j'~st

1: -N„[E(r.);C r. J. to także dx -N,[dx:C,i x] . Na tej samej podstawie
on bardzo przydatny w wielu analizach, szczególnie o charakterze porów-
nawczym (np. przedstawione! na rys. 5.1.3 promienie m "' wskazują, że rozkład normalny ma również estymator X= X 0 +'1 x o wartości oczeki-
punkt Z1 jest wyznaczony z większą clokladności <\ niż punkt Z2 ), to jednak wanej E(X) =X i macierzy kowari a ncji ex' czyli
należy pamiętać, że jest to jedynie „wypadkowa " ustalonych w śc i sły sposób
i; - N„[ O; Cx„11] :-;;:>
błędów średnich wyrównanych współrzędnych. Z jednej strony trudno po-
wiedzieć, z j akim prawdopodobie11stwcm rzeczywisty punkt leży we wnętrzu
(d x-N,[dx: C;1.rl :=> X - N,[X:CxD
okręgu o promieniu m po' z dru giej zaś ustalenie obszaru, w którym z przy-
jętym prawdopodobiei)stwcm znajduje się nowy punkt struktury geome- Weźmy teraz pod uwagę różnicę lJ =X- X stanowiącą losowy błąd esty-
trycznej, jest nic lylko interesującym zagadnieniem poznawczym, lecz ma matora X, tzn . X~ X+ 'l (zob. rozdz. 3.2.1). Poniewa ż Ę(X) =X. więc
także duże znaczenie praktyczne. Szczególnie w zadan iach o wysokich wy- =
E(11) = E(X) - X:::: O. Ponadto C'l Cx_ . Wobec tego, skoro X - N , [X; Cx ] ,
maganiach, nie tylko co do dokładności, lecz także jakości ostatecz nych wy- to różnica lJ = X- X ma rozkład
znaczeń (niekiedy dobrze jes t wiedzieć, w jakim obszar ze z ustalonym praw-
11 - N ,( E(11) = O; ex l
dopodobie1"istwcm znajduje s ię wyznaczony punkt). Obszarem lakim
(obszarem ufności, zobacz rozdz. 3.3) jest elipsa ufno ści pojedynczego punk- Z teorii rozkładów form kwadratowych (rnzdz. 2.4) wynika, że skoro
tu, sta nowiąca szczególny przypadek hiperclipsoidy ufno ści dotycz;\cej całej
wyrównanej struktury pomiarowej .
11 - N,[E(11) = O; Cx ], to fonna kwa~lratowa 1{ B 11 ma rozkład o para- 1.J,.;,
metrach / 1 = T r( BCx ). A. 1 = [ E(TJ)] 1 n E(11). pr zy czym B musi spch:iać wa-
Teoria biperclipsoidy u fności runek B Cx B = B. Macierzą spełniającą taki warunek jest U == A r c:,~11 A .
Teoria hipcrelipsoidy ufności oraz jej szczególny przypadek - teoria e li ps Rzeczywiście
ufności pojedynczych punktów maj<4 dobre podstawy probabi listyczne. Pod- BC ·.B ::: A Tc··,1J, A(ATc-.'.1, A ) - 1 A Tc -,'.,, A == A rc -.'.1,A == B
X I" X :< :<

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

Wykazaliśmy więc, że jeśli t - N„(O; C,„;, !. to 11- Nr(O; Ci], czyli

(5.1.35)

sq wzajemnie niezależne, to stosunek

d Ja Tl = XĄ - X przypommJmy Xj ..<"o "' X( .
( •• ' ' )

2) Rozważmy rozkład formy kwadratowej vTc-,~b V. Ponieważ V= MV= -·Mi:

X
oraz i: - N11 [0; C „i, ], to interesująca nas tutaj forma kwadratowa estyma- F
tora "
V, podobnie jak wcześniej forma kwadratowa estymatora X, ma
rozkład x2 . Odnotujemy to jako ma rozkład F-Snedecora U/1.h ). Dwie formy kwadratowe tego samego
wektora losowego o macierzy kowatiancji C są wzajemnie niezależne, jeśli
macierze n„ B2 tych form spe łniają warunek B 1CB2 "' O (zob. rozdz. 2.4).
Sprawdzając spełnien i e tego warunku w odniesieniu do interesujących

~::::: [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 =

Korzystając z tego inter es ującego rozpoznania, formę kwadratową

Ustalając liczbę stopni swobody / 2 oraz wrutość parametrów ~. zapiszemy i{ Arc-~.

x
A 11 błędu Tl estymatora X zastąpimy formą kwadratową błę-
dów pomiaru e. Zatem

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

Macierzą tej formy jest możemy ostatecznie zapisać

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)

(przypomnijmy: y- poziom ufności ) . Prawdopodobieństwo (5.1.38) możn a

także przedstawić w postaci

"
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

Pami ętając, ze estymatorem współczynnika wariancji aJ jest (5.1.40)

, 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
::::

więc są to formy wzajemnie niezależn e .

zatem Wykazali śmy zatem, że nic nie stoi już na przeszkodzie, aby odnotować
·2 T > T następujące, bardzo istotne z praktycznego punktu widzenia, rozpoznan ie:
c :\: Clo" Z ;A PAZ , ~'
i) BC;;B = Oo Z ; A PAZ;
-
<Jr~C ATP;\)··I ..j- 1h~ 1t
F = .. I -
.~2 ao 2 (X·: - X./Pz
t
(X· -· X ) =
·· r I I •

1 -~ r.„B 1r. -- --·- _! __y i(~··I V

= CY1/ Z;ATPAZ1(Ar PA) - Z; A„PAZ; "" f-2 - 11 - r xah
~ --~

- / .
„
:! ,Il "' r
oraz

Oz nacza ono, że stosu n ek interes uj ących nas tutaj form k wadratowych,

Ponieważ
pozostawiamy w mocy założenie o rozkładzie normalnym błę­ dzi elo nych przez odpowiednie liczby stopni s wo~ody (f, '."' 2,/2.. °"' /1 ·- r), ma roz-
dów pomiaru, więc na podstawie warunku i) s twierdi.amy, i.e kład F 2,,,_, . Sta. la liczba
,
stopni swobody formy (X.I -· X.ł >7 Pz.„ (XI - XI-) pozwala
1
na uproszczeme tabeli ro7.kład u F-Snedecor a (odrzucenie warto ści / 1 różnych
-~ • T • ' od 2), a tym s amym dostosowa nie jej do szczególnego zadania, jakim jest usta-
a 0 ~ (x J - X
• I
·) Pz· j (X I - X I ) - ·1 ~ •-:'2
•~}I
(5.1.42)
lan ie elementów elips ufności dla poj edynczych punktów w wyrównanej, geo-
o / "' 2 s topniach swobody (na podstawie ii). Przeprowa<l:imy teruz następu ­
met rycznej strukturze pomiarowej. 'fakie modyfikacje zawier a zamieszczona
1 na koń cu podrę cznika tabela V. Fragment tej tabeli przytaczamy poniżej .
jące pr7.ekształcenie:

CY 02 (X1 - XJI\ (X; - X, ) =CY;J'{X - Xl Z;A r PAZ;(X - X) =

z. - --- -1 ~ r
y 0.50 0.90 0.95 0.97!; 0.9!)--J
=o(;1r.TPA(ATPA) - I z,ATPAZ; ., (ATPA)- APi: = -· 1 l.50 49.50 199.50 799AO ii OOO
--~~ '-----·- - v - - - - - '
2 1.00 9.00 19.00 39.00 !J9.0 l
(X··X/ X·-X
3 0.88 5A6 9.55 16.04 :l0.83
=o;)1r.rPA(A rPA) - 1Z ;APi; = r.rPA(A r c :!,1• A)r Z;A r Pt 0~ 1: „ B 1i: ,I 0.83 4.32 6.94 10.65 17.99
~---~----~ ' :) 0.80 3.78 5.79 3.43 13.27
G 0.78 3.-16 5.14 1.:w - 10.92

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
-)

jPx, - i,; f'

X;Y;
I

1' = O <;;:-~
j 1\x; PyI -- I.; I
(5.1.43)

Równanie
(5.1.44) Zatem

jest równaniem elipsy o środku w punkcie wyrównanym

o współrzędnych X= [X; Y; )T) i o półosiach
Z; (w punkcie i.-t , 1 "" ~- (Pv
') '"'I + Py.I - fi:) )
V Uj

).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'

Rzeczywisty punk t Z; z prawdopodobieństwem y leży we wn ętrzu lub na

brzegu wyznaczonej elips y ufności . Warto zwrócić uwagę, że wielkość elipsy
X
... X

·~·
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 )

kąt <p jest niezależny od uproszczeń co do rozkładów prawdopodobTeństw,

o czym będzie mowa poniżej).
Niekiedy mówiąc o obszarach ufności punktów w sieciach geodezyjnych ,
ma się na myśli także i inne obszary. Otóż podstawą pr zedstawionej powy-
.s,
żej teorii są ścisłe relacje między estymatorami i ich rozkładami a rozkła­
dami przyjętych form kwadratowych. Kon struuj ąc in ne obszary ufności za-
niedbuje się te relacje lub znacznie upraszcza. N a przykład, pomijając fakt,
że w formie kwadratowej
=~ ~ J~

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)

:,„ ""l~1 (X1,X2,„ . , X,) :=: /~1 (X)

238 239
2. Obliczenie na podstawie wyników pomiaru przybliżonych wartości para- 6. Na podstawie wyzn aczonego wektora dx obliczenie:
metrów xo, a następnie przybliżonych wartości wielkości mierzonych - wektora poprawek.
~=R~i .
3. Linearyzacja układu równań obserwacyjnych. Utworzenie macierzy wspoł- V= Adx +L
czynników
- sumy równoważonych kwadratów poprawek

- wartości kontrolnej
oraz wektora wyrazów wolnych
s· = L T PAd- x + L T PL

7. I etap kontroli wyników obliczeń. Uzyskanie równoś ci s ~ s' wskazuje, że

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

i sfo 1mułowanie wniosków generalnych co do przyj ętego sposobu wagowania:

m0 < l -? zawyżono· wartości błędów średnich pomiaru a priori (zbyt małe
wartości wag),
m0 > 1 ->zaniżon o wartości błędów ś rednich pomiaru a priori {zbyt duże
wartości wag),
gdzie I - > (na ogół 0.8 < 1110 < 1.2) dobrano prawidłowe wartości wag.
1110 "'

c Zagadnienie interpretacji uzyskanych warto śc i m 0 nie jest jednak tak

Pi =--_, (c > O, najlepiej, gdy c „ !). proste, gdy wyrównanie dotyczy niejednorodnych pod względ e m mian
mt zbiorów obserwacji (np. kąty i odległości, i tym podobne niejednorodne
5. Utworzenia macierzy układy). Mogą bowiem tutaj zachodzić róż ne kombin acje co do nietrafnych
ocen błędów średnich pomiaru w poszczególnych wyróżnionych zbiorach
obserwacji. W takim przypadku wyrównanie nal eży p owtórzyć dla in-
nych, bardziej realnych, wartości błędów średnich pomiaru i nowej ma-
i rozwiązanie, metodą nieoznaczoną (dla małych układów) lub metodą cierzy wag P', przy czym generalną wskazówką może być tutaj wyraż enie
oznaczoną, układu równań normalnych

A.rPAdx +ArPL=O ~ -- ____.....~ dx = -(A.,.PA)- 1 ATPL

lub

._ 1) [ATPA; ATPL]= RT[R; LR]

Warto przy tym
P'=·\f P

zwrócić uwagę, że jeś li

11!()

P i P' różnią si1,1 tylko co do

globalnego współczynnika -~· . to ponowne wyrównanie nie ma większe­
"'O
go sensu praktycznego, g dyż

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)

10. II etap kontroli. Wyrównane na podstawie poprawek wyniki pomiaru

.,. ' .,.
i relacji R l' R(i) =a;. -; Frw);
muszą być równe wartościom wielkości mierzonych uzyskanym na pod-
-- obliczeni e błędów śred ni ch dowolnych, lecz uzasadnionych celami
stawie wyrównanych pa ra metrów, tzn. powi nien być spełniony ukł ad
praktycznymi funkcji oJ = J.~0 (X). na podstawie wzoru
równań obsenvac.yjnych x = F(X) dla wyników wyrównania x, X. Powi-
nien hyć zatem spełn i ony układ

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\

i relacji RTFR(i) =-= Fx .

(I i -
.'
-;FR(i) ·•

jedynka na i-tym miejscu);

gdzie FX,· =10 o ... l; · · · OJ
T
gdzie:

).;.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

natomiast Fi'.jest taką, odczytywa ną z tablic (tab.V), warto ś cią zmiennej

o rozkładzie F-Snedecor a, że lzi}" +vi) = fj1 (H ;,H 1 ) = Hi - ff; =>

P(Ff1=2.h=11- r s; F,) = r V;j = H1- if; -Frij" (5 .1.48)

(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).

AT PA = ~;.:.zł Pz2 li, R, n~ IO

rlP z: .7.1 P z z.Z2

r '~

/ = 6
4

h,. z.
"· h

5.1.5. Podstawowe zastosowania

Sieci niwelacyjne w układzie (fi) Z,

11, fi ' 11 , ff .
Takie sieci geodezyjne znajdują zastosowanie w wielu technicznych pro-
blemach geodezji, a przy tym „generują" najprostsze, liniowe układy rów-
"· . R,
··I
o n
o
o
o
+-
ł~
„,
11-:, -fi~
N ~--11;x.
•flr ,„t
nai'i obserwacyjnych. W sieciach niwe lacyjnych pomiarowi podlegają prze- o o o "~ ~h'(>
·- h1
wyższeni a hij między punktami Z;, z o - 1 o 11t-11~ -h'::'
1 8 repery · - h.c

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 -„--.-·„--·~ }'

Rys. 5.1.9. Przykłady sieci gcodc7.yjnych Rys. 5.1.10. Odlcgloś ć

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

Hys. 5.1.11. 1Gerunek, :izymut

Przyjmuj~\c, podobnie jak w przypadku odległości, że parametrami są

z
współrzędne (X;, Y), (Aj. Y;> punktów Z;, , można zapisać następujące równa-
1
nie obserwacyjne, a na s tępnie równanie poprawki dla kierunku K;i

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

(Aii - azymut linii Z;, z1, l"•i = dH -ci,!1/ - wyraz wolny).

 po -- -1801)--- ..,9500
- 5''·- ,,
1t

, 180· 60' ' '

p = -·-· ----· = 34.i?.75
il:

ce 200 · IOO· lOO~c , -ce , l 80· 60·60' - ,

p ::: ·-·-···-·-·- --.„ - .....„ = 6.>6 619.7 I p "' ·---„--.„- -„··
;;:
=206 204.81
rr
Załóżmy Łcraz, że
„O'' limbusu pokrywa sio z kiemnkiem osi X układu
współrzędnych. 'Wówczas Ci '~ O i kierunek K; jest równy azym utowi A, .
Równanie poprawki do azymutu różni się zatci'm od równania poprawki d~
kierunku jedynie wyrazem wolnym i ma po stać

L\Y0 1~xg Mi}1 . 1.\XR

v . ,,.,. = __..'!_ pd pd 1. - „_. _ ___ P" 1, ~- ···-·-'- - pc1 , + ..i,B -- A,r:" (5.l.5•i)
równanie poprnwki można taicie zapisać w następującej szczegółowej postaci: ( dą)2
V
'' •
- -·--
(dQ) 2 ; (d'1) 2 ,j (cl,o
. . )2 'i '---····y-----
, ,
lj , I) . '.f 1
/ ,/ij

Równanie poprawki <lo kąta

Kąt at.Ci' wyznnczony przez punkty {Z/., Ze- Zp) jest różniq kienmków
(przypomnijmy: ~. t.01, a{) - wielkości obliczane na podstawie przybliżo­
nych wartości współrzędnych). Wielkość IK; =K§- Kf;'' +C; jest wyraze m a.I.Cl' :: K Cl' - K Cl...
wo lnym wyrażonym w mierze łukowej ·- radianach (niekiedy stała orienta- lub nzymutów
cji jest trnktowana jako dodatkowa niewiadoma w równaniu poprawki i jest
·w yznaczana w proces ie wyrównania). Na ogół kierunki są jednak wyrażane
w bardziej wygodnych miarach kątowych, czyli
x•
K „ = nr ctg _ y/.... -Y· )
___!._.. p + C
~ [ . .r j --X ·
I
' Z,_
a w konsekwencji

<I1_n,

(p - współczynnik zaminny miar}. W praktyce znajduje zatt~m najczęściej

zastosowanie równanie poprawki do kierunku o postaci

(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

lai.er =r~?.cr -a~t-r jest wyrażony w jakiejś mierze kątowej).

Natomiast jego liniowe przybliżeni e można zapi sać w postaci

Przykł ady

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

d Y + ~':~!:., d + arctg · Y~ - Y~_ - arctg xloYt~xi_

Xro -Xe~
- a"'"1~
()Xe n
• ~ „ :t
• c ilYc u
x„.'(
Yc -Xco lrfb = 2.371
4.768
Wyznaczając odpowiednie pochodne, uzyskujemy Ji!/ = -8. 142 z jednakowym błędem średnim pomiaru m 1,"' 0.02 (m).
I140/1 = 2.961
1r:/ = -1.774

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

Bez wzg l ęd u na s posób rozwiązywan i a układu równań normalnvch 111 = H 1 -HR, )

przede ws zystkim należy ustal ić liczbę obserwacji koniecznych (a tym, sa~
h~ = H 2 - H 1
mym liczbę pa rametrów r) i sprawdzi ć, czy istn ieją obserwacje nadliczbowe
'13 = H2 - H R1 ~ X= F(X)
( ( "' 11 ··- r > O), a wię c czy w ogóle można tę sieć wy równać.

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):

Hl1 = H 111 +hj'b == 10 2.498 ( m ) AX

l
Hf = IJ 112 + h~t' = 107.288 (m)
!I. :;o = fi. 112 „.
·I13ob 1
- J1,j" ' ;;.: lt.l "' ·-~' -
?~' ( 111)
V2

v, =
v4 =
=- H, + 1-1 1
H2

1-1 2 -H-' - 11;;"

l
Nic jes t to jednak jedyny wariant wyznacze nia niezn a nych wysok oś ci.
Hównic dobrze można zapi sać 1'5 = 0__~~1--~ - !1_,
f'(X)

H [> ::: fi 111 + h1 = I 02.49S ( 111)

,Jest to układ liniowy, więc j uż bezpośrednio: V = F(X) - x"/J <=> V = AX + L
H ~o :::: Il 111 + h1 + h2 = 107.266 (m)
lub, w nawiązaniu do oznaczeń z rozdz. 3.2.1, V= AX +w - x";', gdzie: .._,...~

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

7500 - 2500 - 2500] -239890]

ATPA = -2500 7500 -2500 A.,. PL = - 287540
[ [ gdzie tym razem
- 2500 -2500 5000 (rn) - 2 2967 (111)- 1
o
s tanowiące
macierz współczynników oraz wektor wyrazów wolnych uk ładu 0.022
równań normalnych AT PAX+ AT PL = O. L= O
o
a) Rozwiązanie nieoznaczon e
- 0.055 (m)
W celu wyznaczenia wektora niewiadomych obliczamy

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)

Hp = 102.498, H~ = 107.288, H~ = l04.327

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)

- przeprowadzenie II etapu kontroli (sprawdzenie, czy x=F(X))

~~:!.
a1i1
!~ 1 ::: Il 1 - li Rr
2.383(m)=I02.5l0-l00.127(rn) v -> F. = iJłi1_
h2 = fl 2 -Ii, 4.765 =107.276-102.510 V
lf2 dll2
d!!._:,_
1~3 =ff 2 - H R2 ~ -8. 154 = 107.276 - 115.430 V
<llf 3
2.976 = !07.276-104.300
1~ 4 =
V
Il 2 - Il 3
- l.789 = I02.5 l 0- l 04.300 V
/~5 = Il 1 - ff 3

259
258
 przy czym
iJli1
a1i;·
iJłił.
i'Jff2
~!;3 =af. =m
ilH3

2) Błędy średnie wyrównanych obserwacji .

Po wyznaczeniu macierzy kowariancji wyrównanych obsenvacji, uzyskujemy

· == mo„ A(A T PA) - l A T =

c,
0.000241 - 0.000096 0.000145 - 0.000048 0.000048
,;„- = F,·'2 (Hi .il?.- H3) = - łl 1 + iJ „- -> F·112 =
-0.000096 0.000193 0.000096 0.000096 -0.000096
0.000145 0.000096 0.00024! 0.000048 -0.000048
-0.000048 0.000096 0.000048 0.000241 0.000145
0.000048 - 0.000096 - 0.000048 0.000145 0.000241 (111)
2 !)/;J
afi1
s kąd (w metrach) -) F· = .i!E~-
11> a1i 2
111 1;
1
= J1ci 1i.1 =.Jo.00024 1 =0.01 5 _<§__
a1i 3

m,·12 =J1c~.... J.,_, ...„ ;;;.J0.000 193 = 0.014 itd.

3) Błąd ś redni funkcji w = h1 + 2h2 •

Wielkość w= 1;1 +h2 należy przede wszystkim wyrazić w funkcji wyrów-

nanych pa rametrów, w naszym zadaniu - wyrównanych wy so kości
111,;_
1
= Jrc;r;L1•4 =.J0.00024 1 = 0.0 15
Jf 1.Ji2 .JJ3 • Zatem zapiszemy

m,;5 = Jrcx.J5,5 = .J0.000241 = 0.015

Do wyznaczenia błędów ś rednich wyrównanych obserwacj i nie jest, oczy-

a na tej podstawie
wiście, konieczna znajomość macierzy kowariancji C;c. Można bowiem
również i tutaj zastosować wzór na błąd średni funkcji

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 ),

7500 - 2500 - 192.51 86.602 O Ol[ I R1 =O l [O]

-2500] .,. - 28.868 81.649 o IR2 = 0.0 122 = I
A TPA = -2500 7500 - 2500 A PL= 55.5 [
[ [ .- 28.868 -40.825 49.999J IR3 =O.OIO{)J o
- 2500 ·-2500 5000 (m) - 2 137.5Jml„1
er::-· ~-·-
m ii = mo'/ l'k ~ R =0.98-v0.000249 = 0.0 15 (111)

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

Następnie, korzystając z relacji

m 1i = m 0
J
JFfF11. ,,,Q.98.J0.000400 =0.020<:nl
2) Błędy śred ni c wyrównanych obserwacji
86.602 - 28.868
o 81 .649
_ 28.868'I[~11, j [-
2.223]
- 40.825 d 112 + -O.I 12 = O
[o] Rr FR F-Xj -ar
- 1•

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

wy znaczymy niewiadome (w metrach)

=m0 JFk.Fu =0.98.J0.000249 =0.015 (•n)
49.999ri/f3+1.375 =o ti /13 ::: --0.0275
86.602.d/ł, - 28.868(--0.0 123) -28.868(--0.0275) - 2.223 =o

86.602LI 111 - 28.868(--0.0123) -28.868(-0.0275) - 2.223 =O

dHi = --O.O 123
tl Hi = 0.0124
J,[ 86.602
- 28.868 81.649
o
0 f R, = 0.0082 =
OifR,
= -0.0115] [-li l
- 28.868 -40.825 49.999 j fR-;1 = 0 0

111. =m0 JFk.FR =0.98.J0.000199=O.O14 (111)

''i

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

J /113 =O.O !OO

l=
O
Wyrównać kąty metodą paramet ryczną
po wyrównaniu. Ponadto

Rozwiązan i e
obliczyć błąd średni
oraz obliczyć ich błędy
fu nkcji w= sin ci +cos ;'.

Trój kąt, w którym są mierzone tylko k<1ty i który me jest związany

śre dnic

z jakimkolwiek układem współrzędnych, jest w zbiorze trójk ątó w podob-

m. = m0 JF"J;FR = 0.98J0.000249 = 0.015 (m) nych jednoznacznie ustalony przl!z dwa spośród tych kątów (dwie obserwa-

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

1= r, (a, /J) = 2oos ·-a -- /3

I {c> X= F(X)

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

V=AX+L <:=:> - !J""

+200g -/'1'
mw = m 0 JFk FR = 0.9SJ0.000648 = 0.025 (m)
Na podstawie tego układu oraz przyjętych warto ści błędów średnich po-
Przykład 5.1.2 miaru, sformułujemy następuj ące macierze (nic będzie my już tu t aj, pod ob-
W trójkącie (rys. 5.1.14) zmierzono kąty a, {J, y, uzyskując wyniki: nie jak i w dalszych przykludach, wyróżniali wektora w):
a"b = 43.455g z błędem średnim ma = ze
p"b =52.456g mp = 2c
r -P"b
-a,,/'l [-43.455]
~ ~i.
l
y"b =l04.059g mr = le
A= [ L = = - 52.456
-1 - I 200g -y
11
b J 95.94 [ (g)

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.

l Wobec takiego założenia, układ równań poprawek można p1-tedstawić w postaci

P o wyznaczeniu

"a = d" +ao -a"b

r
A r PA = 12500 l ~OO.
, OJ . r ,
(:\ 1 A l
-·I
=f0.00022 0.000 18]
LlOOOO I ~500 ( g)-2 . . Lo.ooo 18 0.00022 I
•. t~J
2
i
~
I..l -- -fi ({ -·{lfJ +2()(J-~
- " o - /Jo _.,01,J1
I
,

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

1 01[·43 4683J [ - 43.4550-] [o.o 1331

"[' [-300]
A PL=
-300 (g)-1
- -
V = AX + L = O 11 _. + - 52.45601= 0.0 133
[ )2.4693 J
- I - I J 95.9410 . 0.0033• (g..)
śc i
Po wyznac7.en iu estymatora wektora przyrost ów do
parametrów, uzyskuj emy
przyb l i żonych warto-

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

LT PAX' "'" - 10364667(12 125, If PL= I 036,16677.21 :!5 , -_ X 0 + d- x -[43.4550]

X -
52.4560
+ [o.0133] -- [43.4683] -
0.0133 52.4693 (g)
-[a]
-
fJ
a nast~pni e
T • '/'
s · = L PAX + L PL = l.0000 Takie s ame jak w popr zednim wariancie są , oczywiście , także wartoś ci
poprawek
Spełnienie równości .1· ~ s' po7.wala na kontynuowanie dalszych wyznacze11 .

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

~ 52.4693 = 52.4693 ( w grado.ch) w=si n ii+cos9

{3 = {3 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 '

Wyrównać przedstawioną sieć geodezyjm\ oraz wyznaczyć:

1) błąd położenia punktu Z; - -- - - - -- ------··
2) elipsę ufności współrzędnych punktu dla 3 poziomów ufności: y1 = 0.5, n
y2 = 0.9, ;:1 "" 0.95;
3) błędy średnic wyrównanych odległości; ''< "-' - cos ;\g, 1 dx, - si n A~~, dy, +cosA ~s,dx,., + sin ASdr,, +d~~ 1 - d~~'
---.-~

4) błąd śred ni nie mierzonego azymutu linii Z - S~; r,

Yy 1 -Yz redukuje się wówczas do postaci
5) błąd średni funkcji w= In · , - „.
Xs, - X Z
0 0
• · A1s , d x, -sin
vk --- -cos s,tl r, '"'. c1°z~ , - d""
" A7 1s,
'-.. ..--------..,.---..;
Rozwi ąza nie 1,
Przed e wszystkim zwrocmy uwagę, że do jednoznacznego ustaleni a
(współrzędne Xsj' Ys j odnoszą się do punktów stałych , st.ąd dx sj =0, dl'.~ =0).
współrzędnych punktu Z wystarczają 2 odległości, zatem r = 2. Dwie 1
270 271
 Na podstawie przybliżonych współrzędnych (X~, Y?,) punktu Z oraz zna-
nych współrzędnych poszczególnych punktów stalych sk. obliczamy koniecz- p=mclry : d XZ cly7.
ne do ustalenia wartości wyrazów wolnych, przybliżone wartości odległości [" o . Io
J2 oraz, występujące w pochodnych ( współczynnikach równań poprawek), -cosA751 -sin r
. ,o
zs,
-0.99 10 O. l 336j
przybliżone wartości azymutów linii Z - Sk, k =- l , .. „ 4 -cosA~\"2 -srn 1zs2 - 0.8 185 - 0.5745
A= o . ,u - -0.4297 -·0.9030
-cos AZ'>. -S łł\itzsl
I s
d o = V(,'< o 2 ·r( - l 5 I .362 \ml
[
1 1- X z) .
Ys 1
-
y O 2" -
z) o
-cos Azs~
3
. ,o
- S Ili I ?.S.i
0. 1656 -0.9862 (bczinian:i)

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)

Mś_l ciery: w~~

Na podstawie wartości błędów ś redni ch wzajemnie niezależnych wyni-
AX >O.óY<O > A~.Si =400 - 8.483 =391 .468g ków pomiaru odległości , wyznaczamy ( ponieważ wyra zy wolne wyraziliśmy
w (mm ), w takich samych jedn ostkach muszą być wyrażone także błędy
średnie)

o = an.:tg Ys1 -YJ~o pz

Azs,
[ Xs, -Xz
l AX >0.óY>O >

156
~8.957 '

p;;; 1
44
Ys, - YJ, I t
~y·:;,·=-xI Jp
0 (
691 11111\) -,
')

Azs, = arctg 171~

-'
71.721'

t>,'( <0.óY>O > A2~ = 200-89.409 = 110.590!:

·I
Ro7.wiazł.:i.rie układu równań normalnych
1
W celu wyznaczenia wektora niewiadomyc h dx ;;; (ax. ,tfy. " spełniają- f
cego układ równań normalnych Ar PA dx + A r PL = O. oblicza~y
Korzystając
z tych wyznaczeń, ustalamy wartości elementów macierzy
A iL (obliczenia dla wygody będziemy prowadzili w (mm), d latego przyjmu- r
A PA =
[O.O 193 0.0006]
, A r IL
, :o [ 3.752]
jemy L(mmi' 0.0006 O.O 12 t <mm) - 2 -1.743 (mm) „.

P onieważ jest to niewie lki układ , do jego rozwiązania zastosujemy m etodę

nieoz naczoną wymagającą obliczenia odwrotnośc i

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

Na podstawie wyznaczonego estymatora d x. obliczymy wektor popra- obserwacje x

i wyrównane p arametry X. tzn. powinno być spełnione rów-
wek do wyników pomiaru na nie macierzowe x"' F(X). W nas zym zadaniu oznacza to, że wyrównane
odległości m uszą być równe od ległościom obliczon ym na pods tawie wsp ół­
rzędnych punktów sta ły ch i wyrów nanych współ rzędnych punk t u Z. Zat em
-0.9910 0.13361 r-2191 r -l.4 _1
-0.5745jl [_l98.9~,+ l~ .'.-1
s prawdźmy:
•.
v=Adx+L= -
-0.81,.85 - 591"" 15.l = n a podstawie poprawek na podstawie wyrówna nych ws p ółrzędnych
' -0.4297 -0.9030 I V3J
L 0.1656 -0.9862
r 153.8_ 38J I -15.3 1
I- l87J l
2.CJJ(tnm) 1
_v.1_ cli = {<.'>Cs1 - Xz )2 + O's1 - f 2 ) 2 = 15 1.5 80 im) v

a nnstępnie wartości kontrolne J")_ ::: 244.290

s ""' yTpy '= 2.1515
''J = 255. 220 V

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.

Oceną_do kł adn ośc i

, T •
" V PV 1) Błąd poł ożen ia
punktu Z
mt; = - - - -„ =---s -= l .076, m0 = 1.04 (bez miana) Wartość t ego paramet ru, opi sującego umownie dokładność polożenia
11 - r 4-2
p unktu po wyrówn aniu, obliczymy korzystaj ąc ze wzoru
Uzyskana warto ść współczynnika 1110 (111() = I) wskazuje na prawidłow o

R
~-

dobrane w artości wag, s tanowiące elementy mncierzy I'. ml'u(Z) = +m:"

Z Yz
\Vvn)wQą!}ę w spół rzcrl_D e punktu oraz wvr_ó wn anę_Qlll eg !oir,i_
Wynika s tąd, że jest t utaj konie czna zn ajomość wartoś ci b ł ędów średnich
-- wyl·ównan e współrzędne punktu Z
m.'<z , mYz wyrównanych współrzędnych (X z ,Y2 ) . W zad aniach o niewi el-
·,
X = X + dx
(I -

_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;·

covc,'<:, Yz )] przy czym

m- Px ,l\y]= P·z =ArPA

Yz [I )XY ,,)'
oraz
(b lok Pz dotyczący punktu Z jest tożsamy z całą macierzą A TPA -
mx· =/~Z,"7.3 = 7.5 (111111}. ml~ = JSS:ss = 9.4 (mrni w wyrównaniu uczestniczy tylko jeden punkt). Ponieważ
.z l

Błąd położenia punktu Z ma wartość r

A PA=
[o.o 19. 3 0.000 6]
0.0006 0.01 21
ml'o(ZJ = Jss.73+88.88=12.0 (mm)
więc

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

11!/>o(Zl = J;,~ 2• + lll~n- = JTr(c"X-~- = Ji.44.61 = 12.0 (111111)

Xz >2 • A1'°'i(0.0! 93 + 0.01 2 1-0.0tJ73)=0.lll2 1

Niekiedy może być interesująca wartość współczynnika korelacji P:i:z.Y'l

(a w zasadzie jego estymatora p - - ) między wyrównanymi współrzęd­ ....
1
;_, = - (0.0 l93+ 0.0l2 1+0.0073)
!
=0.0194
x .z .Yz
nymi (;((z, Yz ). W naszym przykładzie współczynnik ten uzyskuje wartość Kąt sk1·ęcenia elipsy nic jest zależny od poziomu ufności y. Po obliczeniu
tego kąta , uzyskujemy
_ cov(Xz,Yz) -2.Sl (IJlm)
po - =--------· = --„---······c···--·- =-0.04
X z .Yz 111 •
Xz
m-
Yz
JsS.73 · 88.88 \mrn) ( I
tp =r
2Pxy
····an; t g - - --- 'P
lg
"'l·-arctg-
( I 2 · 0.0006 \
- ----- ;63.662
g ,
= 5 .26 ł>
'~2 - 1\ -Py ) 2 0.0193-„0.0121)
Wyrównane współrzędne są więc słabo zależne od siebie (przypomnijmy,
że współczynnik korelacji może przyjmować wartości z przedziału (- 1, 1) ). Natomiast wartoś ci półosi są zwh\zane z poziomem ufoośc i y, a wię c
z rnkladanym prawdopodobieństwem, z jakim rzeczywisty punkt l eży na
2) Elipsa ufności elipsie lub w jej wnętrzu (rys. 5.1.16):
Elementy elipsy ufności dla prawdziwego położenia punktu Z, wyz naczy-
-dla wartości prawdopodobieństwa [cJf5Jgdy h = f = 11- r = 4- 2 = 2
my koi-zystaj<\C ze wzorów:
stopni swobody, z tabeli V odczytujemy F;·=O.S =I.OO, zatem półosie elipsy
półosie przyjmują waitości

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

więc (podobnie jak w przypadku liniowego równan ia poprawki do azymutu)

!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

błędu średn i ego,

(mm )- 1

uzyskujemy
20 mm
- -- - 1>- r ~--- ·· - ~· -·-·- -· -··-·--·-

Rys. 5. 1.1 6. Elipsy ufności. S i<!c o mierzonyc h ocll c~ ł oś c i;ich

3) Błędy ś rednie wyrównanych obse rwacj i - odl eg ł ości

Kwndraiy interesujących nas tutaj wielkości sn diagonalnymi elementami 5) B łąd ś redni
Y- - Yz
funkcji w=' !n ...~1.!...______: ___
m a cicno;y kowariancji Cx. wyrównanych obserwacji x. Wyznaczając tę Xs1 - ,'(z
m a cierz, uzyskujemy U s ta lają c , że

57.19 37. 19 10.69 ·-23.7 1

37. 19 64. 12 63.03 40.86
• '
C ~ = m(i A(A PA)
T -I
A
T
=
10.69 63.03 80.74
-23.7 1 40.86 74.59
74.59
89.14_(m m)2
l
a na jej podstawie ora z korzy s tając ze wzoru na błąd śred n i funkcji, otrzymujemy

m 1- = Js1.T9 = 7.6 (mml. m; = J 64. lZ= 8.0 (mrn)

' I "2

m - = Js0.74 = 9.0 (mm ).

'1.1
279
278
 Korzystając z zasady propagacji macicrq kofaktorów (zob. rozdz. 4), tzn.
Przykład 5.1.4
W nawiązaniu do danych z przykladu 5.1.a, oprócz odległości do 4 punk- Qa./J = DQK DT . oraz ustalaj ąc na podstawie układu (") macierz
tów stałych, wykonano dodatkowe pomiary kierunków z punktu Z do punk-
()a
tów stałych S 1 , S2 i S3 , uzyskując wyniki:
K; 1_ -
iJ()a
„~f3__ -[ O-I o]
(JK2 I l O
Ki'b ::: 20.3450g, K'źb::: 67.7770g. K'·/ = l00.5460g (){3
z jednakowym błędem średnim pomiaru kierunku mK = iocc. Wyrównać tak Ę iJK1
uzupełnioną sieć geodezyjną (rys. 5.1. 17) oraz ob liczyć:
uzyskujemy
1) błąd położenia punktu Z,
2) elementy elipsy ufności przy poziomie ufności r=0.90,
3) błąd średni wyrównan ej odległości a,. Qa,{J = DQKD
f 2 T
=mKDD = mK -I
2[2-JJ---[-m
2
__
..7 co~·(/f,cr )
. cov(<.·,i ,/i}]
m;
4) błąd średni wyrównanego kąta a.
s, Z przeprowadzonego działania wynika, że kąty wyznaczone na podstawie
kierunków są wielkościami wzajemnie zależnymi o współczynniku korelacji
s,

~
Ćov(r.t"1',f3"")
d, _
Pa.fJ = ---„·~--·-··-„. „„._ =·-·-- -111~ _
-=--== =-0.)
111111[."
a , ~ . 2m'f<
v2m'j; ?
l

(w praktyce wartość ta jest jednak często zaniedbywana). Macierz kofakto-

rów wszystkich wyrównywanych obserwacji, a więc bezpośrednich wyni ków
pomiaru odległości i pseudoobserwcji kątów a, {J, należy zatem sformułować
w następującej postaci:
-~- '~-"'c1.,____ s.·
z .\
Rys. 5.1.17 111,?-
Rozwiązanie
')

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
?

Ola ścisłości, uzyskanym w ten sposób pseudoobserwacjom rt'I>, {11;, należy

j ednak przyporządkować odpowiednią macierz kofaktorów, a na j ej podsta- 64 (nun)·
?

wie - odpowiednią macierz wag. 225

Za łóżmy, że wyniki pomiaro kierunków są zmiennymi losowymi wzajem- 225
nie ni ezal eżnymi . Macierz kofaktorów tych wielko ści ma wówczas postać
144

200 - 100 (c ~)~

.• - 100 200

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

\V celu wyr6wnania wszystkich obserwacj i, ust.alony w pop rzedn im pr 7.y-

klaclzic układ V ::: Ad x + L należy uzup e łnić dwoma równ aniam i po pra wek
do wy ników pomiaru k 1\tów a i {3. Podob ni e jak w t amtym przykł a dzie, na
pods t awie ws półrzędnych przybliżonych X~ =1250.1 80 {111). )'~ =2·l09.860 ( 111 )
punktu Z oraz współrzęd n ych punktów sta łych, oblicza m y pr;~y bli żo n c war-
tości odległości oraz przybliżone wartości odpowiedn ich przyrostów L\X'l,
t.>·<1. Równania poprawek do kątów m aj<\ n astę puj ące postaci :
(/,)
( /')
S.
s,
- - -- ------ ----·- -·-·- „-

Zatem, po uzupełnieniu , uzys kujemy następujące macierze A i L :

z o . ()

(Cj -cos ;\7.S1 ··-sin A7.S1

o . n
- cos Azs~ ···sm Azs2
·- cos A~~ 3 . '(J
-sm / zs, - 0.9910 0. 1336
(bc7. 111 ia11a)

··· cos Ao. . An -0.8185 - 0.5745

7-14 -sm .i'.~
4
A=
(LIY~2
l((i~l I
L\)'1\·1
(d~ ; - t02
CC
[- "'~''- ,""?-..t IP~
-0.'1297 - 0.903 0
0.1656 -0.9862
(<i?l J
2 2
„„
(dg)
- } 2.0563 2.0349 _(ce)_

l t~i- -~;~} [- ~;; + 'i:ł,~ }"

0.7544 1.0621 (mm)

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,

Poniżej, już bez komentarzy, kontynuujemy dalsze obliczenia.

(L""
1 rv1 151.58 1 -· 0.004 151.577 (ni)
d1
fob
( 2 v2 244.275 0.007 244.282 d2

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

na podstawie poprawek: na pods tawie wyrówn anych współrzędnych:

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

s· = e PAcl x + r.TPL =-1044. 3 100 + !049.7679 =5.4579Jp<iz:iy~v;:·; wynik konlrol i

V

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

błędy średnic wyrówna ny ch współrzędny ch i błąd położenia punk tu Z

-----·---- 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

fi. = J( Px --Pl')- + 4Pfr

- -·-· ··· · ·------- ~------
'"! - 1 · - ------·-·------ r:::--
= 0.0927
m - "'Illo
'1l fi 1' T J
F. (A PA )-F· =o m 0 a 1. ( A PA)
d1 <1I
T I T
a 1. ::o7 . 5 (mrn )

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

11 = 1110 J2i.! Fy~o.~~::: 27.6

1
(nim)
+ + +
D la ce lów por ów nawczych ponow nie przeprowadzimy wyrównanie s ieci,
z a ni ed bując tym razem z a l eżność kor el acyjną mię d zy pscudoobse rw acjami
ct' 1' i [3° 1' . Będ ziemy j e więc traktow a ć, wbr ew rzeczywi s tości , j ako w zajem-
- kąt skręceni a nie niezal eżn e wyn iki pomiaru bezpoś red ni ego (tak j ak to s i ę na ogół czy ni
w praktyce). Pierwotn ą macierz kofaktorów
( l 2Pxy \ g _ g
rn =, .. „. arctg ·····- -·~ - - lp - 5 0.0
.,,,'l I' /> 1
\~ x - r )

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

3.9 Va 10.4 (ce)

(ce)
-23.4 VfJ - 20.5
zastąpimy zat em macierzą diagonalną o post aci
- estymator ws p ółczynnika waria ncji
p ierwotnie

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)

punktu i wyrównane wyniki pomiar u

pierwotnie
przy czym (co usta liliśmy już wcześniej)
• \' -[
• _ 0 +d
X-X - 1249.983] -[·~z
_. ]
f1249.985]
2m; = m~. ' 2410.02 1_(m) Yz l 24 I0.022 ( 111)

W przyjętym waliancie macierz wag ma postać pierwotnie

_,
(mm) - (m) -151.577- (m)
1.56 151.57{ ii1
0.44 244.284 244.282
d2
0.44 255.2 12 255.2 1o
x= x"b + v"' d3
0 .69 182.308 a.i 182.307
0.50 474324 (g) IX 4 7.4330 (~)
0.50 327666 f] 32.7669

Przeprowadzając pon own e obliczenia, uzyskujemy: - macierz kowariancji wyrównanych wspólr1.ę dnych

- estymator wektora pr zyrostów pierwotnie

pier wotnie
50.58 - 37.94]
- 195.3]
"'x = 11102(A TpA ) -I = [ - 53.85
10 , - .35.77]
[ -37.94 50.59 (mm)
d:< = [- 196.7] =[<i_xz ] [ 162.4
35.77 60.66 (111111)

' 160. 1 (mm) dyl (mm )

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

- elementy elipsy ufności Wyrównać tę sieć oraz obliczyć:

pierwotnie 1) błąd położenia punktu 2 l ,
_,_ __ „
2) e lementy elipsy ufno ści dla 0.90, r=
j: .., · - I .
= 28.4 rmm)
a= 111 0 .... 1. 1 /-;-=o. 90
' o= 27.Ci (mrn) :3) błąd średni wyrównanej odległości d3 ,
4) bh\d średni sumy wyrównanych kątów a fi,
b = 1110 J2i.'i 1f~=o. 90 =l '.\.6 (mm) b = 10.4 (mm ) Ro z wiązani e
Pr7.cdstawiona sieć może podle!,'UĆ wyrównaniu, gdyż ;r..awiera f = 11 -- r = 7 - 2 = 5
obserwacji nadliczbowych. Za parametry (r '~ 2) przyjmiemy wsp6lrzę<lne
X1 \' Y21 wyznaczanego punktu 2 l. Obliczając na podstawie wyników pomiaru
przybl iżone wartości tych wspóh-zędnych , można uzyskać xg, = 4356.84 (mJ.
Przykład 5.L5 rr1 = 5296.25 (111).
W celu wyznaczenia współrz ędnych punktu 21 (rys. 5.1.19), odszukano Następn ym etapem obliczeń jest wyznaczenie przybliżonych wartości:
w terenie punkty J.3., 20, 2..2 o znanych współrzędnych w uk ładzi e (X. }'): - od le głości
--- o -·--2
- ---~~--
0
di= J( ~i1-Xn)
,o 2
+(Y2 1-Y13) = 1674.80 {m)
-~.[- x <mi · -
Punkty Y(ml
~· · ·-
_____ „ _ _ _ _ _ _ __ _

.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

o ' l ::: ( urcl" ...Y201

Aoo - Y20 l • ' *
„ „ ____ __ „ . IP = 40 12 27
„ ·- "' o
2J.! . X 21 - X20)
Rys. 5. l.1 9. Sieć lqlowo-liniowa

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
·- - - - - - - - - - - - - - ---- -

Ponadto obliczamy (na podstawie znanych współr.1:ędnych punktów stałych):

,l ~~>"
1
1,:
A ., = 180 + arctg-·····--·-· Y13 ) p = l 63,38'33'
Y20 - ··-·-·-·· _
13,_o X 20 - X::; ~ :/

, li Yn - Y~o '\lp = I (l4 , 13,..

A? 0 n = 180 + arc lg·--=·-·----!'--- 03 0
2(}
UJ
-- ------·-----·-----------~

- ·- - 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

21 dx21 dy21 (!')

W f T
vdij = Il i x; - s1n
-cosAijt ·. Aijo (i r,+cost
· · l ijo 'x
J +sm • t l yi + t i ljo - cl iJ"1'
•. "ij
1
-!. !
=0 "()

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)

Na podstaw ie ww. równań poprawek oraz przyjętyc h błędó w śr ednich

pomiaru, można już sformułować następujące macie rze:

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

i' (tJ~)2 ' :1 (d~)2 ~I óXg2.21 ,

... „ „ „ „ . „„.„„ - ()

(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~

/30 _{Job -22

(")
0.038 IV"~
V= A<ix + l~ = (") =1 v,,
I
- 7.3
ro - rab 19
ro --cob 2 - 11.3 I V .-~

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

W-...:równ ~.D.~ współrzedne punktu 21,

= ['~211
1

Pozwalają one na kontynuowanie dalszych obliczeń (zgodnie z warunkami • -- X () +dx-

X • -[4356.840]..,.. [ - 0.139]=[4356.70!°1 ·
zadania). 5296.250 - 0.024 5296.226_ (m> Y2 1 .

E..<>tymątor wektora przyrostów Wvrównam~ wynik i pomiaru

r [2286.5 116 -574.3190] T

A PL=
[ 304.3647] 1674.840(111) o.nu>" (m) l 674.850(m)
A PA = d1
- 574.3190 2225.0756 ' -25.2939
l694.140(m) -0.037 1694.103 (m) cl2

•
<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

ri~ = 1694. l O!ml ,--,---;---,

J~ = y(Px -
~

Pr ) - +4Pfr :: 1150.2799

<i 3 = l367.6 7 (rn) [ I r-

= -(Pv + Pv -
j}.,
ł ") )\, '
V t:I) = 1680.6535
1 '-
l~ = ~ (/\ + Py +.[i;_) = 2830.9335
dla /= 0.90 i h. =I= 11 - r = 7 - 2 =5 odczytujemy F1 =3.78

/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

b= moJ~?..21 ~=0.'~~=0.07 (ml

_ ,r . l,~' - Y
:'=i arcl" .„.•.~--'"----··20·- - arctg --:-=- ----
•, , - Y„o
Y Io „. , _, - k ąt sk ręcenia

,
= 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

Ocen_;u lo kJpd 11.ości.

1) Błąd położenia punktu 21 po wyrównaniu
skala elipsy im,..,.
macierz kowariancji wyrównanych współrzędnych
O.!Om

• „
C·. =m-(A PA
T '"I
=
10.00079 0.()()()2(Jjl
:::
X o. ) .._.
0.00020 O.G008 I (m)·.i

- błędy średni e wyrównanych wspólriędnych i błąd położenia punktu ll

m ;. = Jo.00079 =0.03 (mJ -, - --

my·
''21

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)

5) Błąd średni sumy wyrównanych kątów ci jJ w5pólw;.dnc przybli'.i.on.:

Skoro .1· =a+ jJ, więc Z, ! 1250.lSIJ 2409860

z, i 1220.!20 2589.820

~~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

Przykład 5.1.6 "1 = Uti_i_.'·1

ax.Z1 d1;. + dd1
· z1 ay.z , I! . dy.
z1
+-ax
· ~~!..Lil · z2 +-!!.(!LI
d1; .
ay.Z2 •X ~ xu dy.z2 ·+-d? ··· dl'''
W celu wyznaczenia współrzędnych punktów Z 1 i Z,, wykonano pomiar X= Xo x " xO Z2 x ,,, xo
odległości d 1 , ... , d 7 oraz kąta Cl (rys. 5.1.21), uzyskujc\c wyniki (podajemy
też błędy ś rednic pomia ru ):

dj'b =151.58 ł (m) d ::" :::: 269 .408 (111) l

d!J. =244.285
11 11
d:{ =233.5 10 -> 1112 =IO (mmJ
11
dfb =255.235 <1;.; = 148.655
1
d!//J = ł 82.453

Wyrównać tę s ieć oraz wy:.maczyć:

1) błędy położenia punktów Zł' Z2 ,
2) błąd ś redni azymutu linii z2 - Zł'
3} elipsy ufności punktów z 1, Z2 z prawdopodobieństwem r= 0.90.
W obliczeniach zastosować metodę oznaczoną.

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

d~ = 233.357 (m). dP, = 148.6 17 (m), d~ = 182.453 (m )

r ~~ I
I I
···-~-
mi !OO
100

i 100

B iorąc pod uwagę s zczegółowe postaci pochodnych stanowia,cych współczyn­

niki w równan iach poprawek, posw ci wyrazów wolnych tych równań ornz przy-
I
i .„.„.I
rnr
l
jęte błędy ś rednie wyników pomiarów, ustalimy następujące macierze:

dy., rlx zz
'·I

Dalsze wyznaczenia, tym razem z zastosowaniem metody oznaczon ej

;\p (przez rozkład na czynniki trójkątne), pr.r.edstawiamy po ni żej.
-cos - sin t1f () ()

- cosAf - sin A~ o o :K'>tvmątor wektora przyrostów (metoda f)Znaczonal

r -cosAr
o
- sin A~
o
o
-cos A_?
o
-·sin A.~
Przeprowad zaj:\c rozkład

- cos :\~ -sin A_~

1
o () 57301.3 l 0203.1 - 74990.3 53229.3 • ·- 77,17 .?° 1
A=! o () -cos r1g -sin A2 T . T 10203. l 6808.3 - 12108.6 639 1.3 • -· 1461.6 =:
o !A PA: A PL]=
cos AZ2Z1
.· ~o
sin ' z~z , - cos r\~ ! z 1 ~1

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

- 0.8185 -0.5744 o o df-d~b - 0.069 RT fR : LR]

-0.4297 - 0.9029 () o d~> -d}b 0.038 na podstawie relacji
() o - 0.6690 0.7433 d.?-d~b - 0.230
"' L = "' -0.153 Rdx + Lu"" o skąd <l x
o o - 0.9854 0.1700 . 0
ds - d""
s
o () - 0.9404 - 0.3401 df!-dg& -0.038 wyznaczamy estymat ory przyrostów do współrzę dnych przybliżo nych (poczy-
nając od ostatniej niewi adomej)
0.1648 -0.9863 - 0.1648 0.9863 cl~ - d7" 0.0003
- 0.3442 - 0.0575 0.4898 -0.3453 J L
ao -a oh 0.0549 (g)

303
302
 Wvrów~_nqłrzędne punktpw i wyrównane wvniki pomiam

239.34 42.62 -313.27 - .J dxz I 2?2~71

- 32.37] [ool 1250. 180 r - 0.223 1249.957 r;(Yz
Z1
o 70.65 17.6 1 -43.69 ~Yz -1.16 1
+ = - - 2409.860 O. 164 24 I 0.024
o o 176.87 -48.66 dx . 29.56 o X= X + dx
0
= + = = X_z1
T
[
o o o 93. 19J J
' 7.2 [
-1 8.00
Yz2
al [
1220. 120
2589.820 1
- 0. 114 1220.006
0. 193 2590.013 1 l Yz
( m)
1

151.581 0.023 151.604 ''(m) rd,

zatem 244.285 0.018 244.303 a.,
255.235 - 0 .01 5 255 .220 d3
dx z, - 0.2226
x = x"/J +V=
269.408
+
- 0.0JO
=
269.398 d.1
- dyz 0.1643 233.510 - 0.008 233.502 J5
dx = ·I
dxz2 [
- 0.1139 [48.655 0.004 148.659 (16
dy%2
0. 1932 (111) 182.45 3 O.O l I 182.464 J d7
111.4985 .„ Q.0005 I 11.4980 <i> Cl.

Wekt ą_uoprawek i I etap kontroli

J.I Etąp kontroli
0.0234 (m) v, na podstawie poprawek na podstawie wyrównanych współrz~dnych

0.0 185 v2 - ------ - ") ... ..,

-0.0 146 v3 cli =161.604 ( Ili) fi
d 1 = (X„·>I -X z· I )-+ (Y"·'I -Yz- I )" =151.604 <ml v

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

, VTpy 5.0232 <h = 182.464

m{j =- - = - - = 1.2558 (111 0 =1.12)
n-r 8-4

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 -
~-------------'

Ó: = 40Qg - (,.f„ ·, -.-J2 s )=I i jg49ccgoccv

X
~ ~-~ Z2
axz2 1rJ ai'z,
I ·-·-: --~--
ax,,
Oc-&na doklacinoścj_
...„v-~ ·?. J
l~)~7:~
dYz2
. ~7.2
arz2
1) Do obliczenia błędów ś redni ch wyrówna nych współrzędnych punktów Z1, Z2,
a takie dwu pozo stałych funkcji , zastosujemy wzór (metoda oznaczona) Natomiast dla azymutu lin ii Z2 - Z1 (AzzZi ) uzyskujemy:

m,,, ="'o VC1•FrR 1'··11

przy czym dla każdego ustalonego wektora F„y wyznaczymy wektor FR z relacji

-- ~

l
R-,.F11 = F"' F,.,.

W odniesieniu do wspcił rz ędnych punkt6w Z 1 • Z2 , zapisujemy:

00.3441
.057
- 0.344
Xz·•I :.= Fo.\ z cX)=Fv
·
. (Xz·I .Yz··I ,Xz·· .~ }z,)
•' 21 • .·.
=,~ '·!
-, ·-·0.057 (Jó„)
1 mj

Y7.1 = FYz1( X )::: F1'z1 ( ,~ l 1. YZ1 • XZi. }'z2 ) = y7.1

Xz,·.. =Fx· z cX)=/··;.;z

, ·2
(.~z1.Yz,,
•
,Y z.,Jz, )=Xz2
2 „ ~- ··- ·• .
Zgodnie z przedstawioną w części teoretycznej uwagą, w celu usprawnie-
nia o bliczeń, wielokrotną realizację schematu

Zatem odpowiednie wektory F", mają rn:istę puj [\ CC postaci:

, dla kolejnych wektorów F == F · . Fy· •. .. F · , mo:i:na zastąpić jednym roz-

"' Xz 1 7.1 t1

~~~:·- 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

.------------7· ' ..................

\ --.........._. . . ..
•
0.0042] 0.00 144]
F _
111 -
-0.0025 F
0.0076 R2
= o.01•12Ol F
R;
=[ oOl FR4 =
o F
Ol _ -0.0005
fA.1 = ~ (Px + Py -J;;") =4824.52
[- 0.0014 0.0056 0 .00061
0.010~
//5 -
[ [ [
-·0.0072_ 0.0059 O.Cl029 -0.00376
l,ł,2 = ~ (Px +Py +J;;") = 59285.07
=0.C06 Dla poziomu ufności y;:; 0.90 oraz J. = / "' /1 - r "' 4 z tabeli V, odczytujemy
Fr~· o.90 ""4.32

=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.y_ = mo·0.0 15 = 0.0 17 (111 )

Ili~
Xz,
+m~
Yz1
:::0.02 1 (m) J
2P-xy p g = 12.22'„-'
cp = ---I arctg ·-······-'-···--
7.1 (2 Px ·- !'>'

m .;.
·' 7.2
=mo · 0.006 =0.007 (m)l - elipsa u fności dla punktu Z2

m.y. =m0 ·O.O l I = 0.0!2 (m) /> 1'xr] = [ l29733.2 -79037.6]

7.2 p - X
Z2 - [ p Py - 79037.6 62407.8
XY
- błąd ś 1-edni azymutu
• półosie
m,\ = 1110 · 0.00407 = 0.0045g

2) Elipsy ufności (rys. 5.1.22).

E =M -Pr > + 4P.~r 2
= t11s1s.3
Macierz ATPA konieczna do wyznaczenia elem entów elips ufności ma
w tym zadaniu postać
A.1 = i(Px +P - E) = l 0162.9
1•

}=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)

:i:„ =/·:,ex I· X2„ „ . X r )1

• kąt slm~ceni a ~

(przypomnij my: x - wektor wielkości mierzonych, X - wektor parametrów).

- (
rp- ł .
···· .lrClg 2P;ff
····-·····--·-···" ~ „
Jp·'„ =-.,7.!8" Natomiast w metodzie warunkowej, nazywan ej tak że metodą korelat, for-
2 . Px - Py mu łuje się układ wzajemnie niezależnych r ównań

'1'1 (x1.x2„ ... x „) =O l

'l' 2(x1.x2 „ . .. x„) = O
{=> \jl(X) =0 (5.2.1)
s,
~l'r (x1• x 2 , . .. . x„) =O 1

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)

, .....„ •.•.....__ [~0~·~;~-~~~-b.~~;;~ic".i.„ ....!. ..----·--···-··--··; podobicl1sl\VO

(defekt skali)
j ~ ... obrót ł +• przc suni~cia wzdłuż osi ukł adui
l„„·-····-··--·--· ···--····--·- · ~·--· ·---··~-·--·------·-·----··-··„.,.. __,„~

~
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

u, -<1! +<lJ +u „ --t- 2ooi: ..-.Ą_,8 -An> ~-"' O

d, L"O:S{A,,11 ·t-a. 1 -::.oo') + r1.1. cos(A.,8 +a, ·• u. 2 - ·1(X}'!)+d) ctt><A w l·(ll .„u? !'C.1) •• 60()i) + x" - „·«„ .:;.; of
c/1 sin(A„, +u 1 -200') •·d, >ir~A.<n ·•u1 .c1, -·10J•) ·Hł1 sul(A.„ ... u, +a, +a1 - liOO")·• l'. -Yc ••O J

Hys. 5.2. l. Przykłady sieci geodezyjnych i ukladów równari warunkowych cl„ =o

Najogólniej, sieć geodezyjna (lub inna struktura pomiarowa) może mi eć d = d,·•dw"[ d " d, ·>dw.o O
defekt zewnę trzny d= (defekt lokalizacyjny) oraz defekt wewnętrzny div (GMY- r = 2·2~ 4
r :;2·2:::: 4
m;K i in., PRóSZYŃSKl 1990, rozdz. 7). Defekt zewn ętrzny jest równy liczbie [ = 11 - r+d ~ I
r ~ ll ··r•·d ~, ,
stopni swobody całej sieci geodezyjnej względem osi układu współrzędnych
(obroty i przesunięcia względem tych osi). Defekt wewnętrzny występuje
wówczas, gdy nie jest us t alone wzajemne położenie punktó w sieci,
a więc gdy pewne jej fragmenty lub pojedyncze punkty mogt"\ s ię przemiesz- d =O d„ =0

~
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 --
z geodezyjnego punktu widzenid - ko n strukcją poprawną, a w zasadzie (do
nied::iwna) jedyną możliwą do bezpo ś redniego uzyskania (jeś li w sieci nie
ma tzw. pun któw adoptowanych, czyli punktów o znan ych współrzędnych
w interes ujący m nas ukiadzie). Defekt sieci geodezyjnej jest w praktyce
el iminowany przez jej n awi ązywani e do punkt.ów o znanych wspó łr z~dnych,
~r( ~
"'ł
~!
d. =l
co często prowadzi do istotnego, gcomehycznego rnzw ini ęci a tej sieci (m ogą
tutaj występować nie tylko dodatkowe obserwacje nawiązujące, lecz także
dodatkowe punkty). Zewnętrzny defekt można także eliminować (jeśli do-
puszczają to odpowie~nie in strukcj.e techniczne) pr zez defini~w?nie lo~alne­
go dla sieci swobodnej układu wspolrzę?nycl~ (np. pr:i;ez pr7:YJęc1e_ wspolr7:ęd­
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,
d- ~-: o że w trójkącie, w różnych wari antach, SD, mierzone k<1ty, boki i azymut.

·„ v W ról.ny sposób będzi emy także zakładali stało ść współrzędnych wybranych

d,.. ·. o()
d„. ·..- o
pu nktów (eliminacja defektu zewnęt1:zne~o): Uzyskane w ten sposób warianty
""<
(hi,> /
1· :.:.:. 3· 1::-: 3
d .... d„ ··· d ...
r " 2 · I "' 2
sieci w ukła dzie (,Y, )'), w tym takze s1ec1 s wobodnych, przedstawiamy na
rys. 5.2.2 (podajemy równ ież l iczbę obs?1-wacji nadlic~bowych r=.11 . . /' ..d). .
•· d "' I
Defekt oraz liczbę obserwacji nad hczhowych w mnych sieciac h geodezyj-
f - 11 ··· r 1-(/ :.-•I / ·.- 11 • r
nych i geometi·ycznych s truktu rach pomiarowyc h s t osowanych w geodezji
przedstawiono na rys. 5.2.3.
[-·n--·-:i ~ )
A
X
--
·- I
t d, = ~
d, ., o
rozwiązanie

&"·'
d,.. „ o 5.2.2. Zad anie wyrównawcze i jego

Pod stawiając w układzie równań warunkowych 'l'(x) =O, w miejsce x,

wyrażenie x = x<>i> +V (tak jak to czynili śmy dotychczas), uzyskujemy

d :: d: + " "' .;.~ J d ·: d,+tl •. " o

r •= ·1·2 ~ X r ,„ 3 · 2 " 6
j „„ Il ··· r -~ d ~ 2 I ,., „ . r + r1 „.„ 2 'ł' (x"" +V) = O (5.2.4)

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"''

Rys . 5.2.3. Defekt w si eci ach t:codczyjnych ; s trukturach pomiarowych

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

Ś ..- ( V ) = ś( V )+ c KT(~~) (5.2.8)

o
gdzie c jest dowolnym współczynniki em różnym od zera, natomiast e lementy
K"· wektora
'l' / (x"1') '
( B - macierz współczynników przy poprawkach, .ó. - wektor wyrazów wol-
wspominanym i powyżej mnożnikami. Wa rto zwróci.ć u_wagę, ~e skoro
nych), układ równań (5.2A) można zastąpić n as tępującym liniowym ukła­
nv + 6 =O, więc pierwotna i wtórna funkcja celu są sobie 1:ownowaznc. .
de m równań warunkowych: Dla wygody dalszych dzi a łań (i tylko dlatego), przyjmujemy c = --2. Wow-
czas pierwotny problem optymalizacyjny
'P(x) ='P(x"b +V)= O c:>
BY ·t-L\ = O (5.2.6) min fo(V ) = y T PV }= yTpy
Y E •I•
Poszukiwan ie mm1mum funkcji celu :;c v) = y Tpy bezpośrednio wzg li;-
d e m V, pr owadzi do rozwiązania try wialn ego. Zauważmy bowiem, że waru - z ogran iczeniem, że V '" <Ii, jest r6wnoważny następujqcemu problemowi
nek konieczny bez ogra niczeń:
mink ,..(V ) = y Tpy -2Kr (BV + A)}== yTpy (5.2.9)
V

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~

aĘK(V) ćJ~(V) T () _,_, „..,,..,../"/ ....

'·, - -·- _

··· ---= ··· -· · -2K ..

av av
„•• •

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)

Drugi warunek konieczny ii) można zastąpić następuji\cym waru nkiem

(dla i< ~O): o uogólnio nej odwrotności
KT(BV+1\}=0 -:::.:> n- - p-ln T(BP- IR T)-1
m(P) -

BV +A:= o jest. t akim rozwiąz an iem niesprzecznego układu równań BV + ti = O, że

Zatem podstawiając _„.. b.

( 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

clct(BP-lBT) ~ O, to do rozwiązania układu równań normalnych można za-

}
stosować któi-ąś z metod prze dstawionych w rozdz. 1.3:

319
318
 W II etapie kontroli należy sprawdzić, czy wyrównane wyniki pomiaiu Biorąc jednak pod uwagę, że

spe łniają układ równań warunkowych, tzn„ czy zachodzi 'i'(x) = O.

uzyskujemy
(5.2.16)
5.2.3. Ocena dokładności

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
;'(

jest macierzą kowariancji wektora wyników pomiaru x0 b, to korzystaj ąc

Mac ie rz kowariancji es tymato r a poprawek V
z zasady propagacji macierzy kowariancji, macierz kowariancji wektora wy-
razów wolnych ó można przedstawić w następującej postaci: Skoro

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

d'I'f (x"b ) V:::- p - IBT(BP- IB"/f l ~

~~

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

co, niestety, jest wynikiem błędnym. W rzeczywistości użyte powyżej zmien-

ne losowe x"", 6 S<\ ściśle ze sobą związane relacją 6 = 'I'(x0 "). Oznacza to, (5.2.21 )
że przed zastosowaniem zasady propagacji macierzy kowaria ncji należy wy-
rażenie {5.2.19) doprowadzić do takiej postaci, aby występowała w nim tylko
jedna 7.mienna losowa o znanej m acierzy kowariancji. Postać ta ką można
uzyskać, bior:\C pod uwagę, ż e
Ponadto, zastępując współczynnik wariancji <Yrj' Jego
. estymatorem
X= x"b + V
•T •
, V PV ~
BV + ti. = 0 i\= -BV Ó'o =- - - = m(j
Wówczas J
otrzymuje my następ ujący estymator macierzy kowarian cj i wyrównanych ob-
x == x 0 1> +V ~"' x" 1' - p ··· 1nT(BP - 1BT)- 1A o,
serwacji:
= x- v + r -· 1ur (Br·-1n-r )BV =
'-..,...-'
x""
- --~\
(5.2.22)

= x- (I„ - r-IBT(l~P - IBT) -I B IV =

= x-M n V

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:

~ ·V'fpv V1"Pv B"' (I -1 ]. l\ "'' ó. = 0.06 (rn)

m(i = - - - = --- ---
! n-r

. 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

Spełnienie równości s ~' s' pozwala na k ontynuowanie dalszych obliczeń:

m,;, =Jr C;, bJ = Jo.<Xl040 = 0.020 (Ili)

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

Y{yniwQane wv!iokoi_r,;j__P.Jmktów Zp Z1 (obliczane na podstawie wyrównanych

obserwacji)
'!!_~z_1_ ~-~l..7:1.
()J~, (J/;1
ff z1 =HR +I;,=: !OO.OO+ 1.23=101.23 ! 111) ai1 2
·--~L .~!.~~~-
a1;2 a1;2
fj z1 = fi R + l~:l = I 00.00 + 3.27 =I 03.27 ( m) 'dllz
.......:!. ~~~?:l
Zwróćmy uwagę , że po wyrównaniu wyników pomiaru nie znaczenia, ma (J/~J a;;,
którą „drogą" są obłicwne wyrównane wysokości punktów. Na przykład, po-
nownie obliczaj<\C wysokość punktu Z, na podstawie innych przewyższeń, obliczamy błędy średnie wyrównanych wysokości
uzyskujemy ten sam wynik, tj. „

Hz2 = HR +ii, +1;2 =1 00.00+1.23+2.04= 103.27 <m>

=0.016 (fil)

: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

to/-"' 11 - r + d "' 2. Jedno z dwu wyma ganych równań w arunkowych, podobnie

jak w poprzednim przykładzie , można utworzyć korzystając z warunku
„zamknięci a oczka niwelacyjnego" (rys . 5.2.5) Na podstawie układ u (*) zestawiam y m acierze
h2 - h4 +h5 =0
13 =[(}I l O -· I 'J ,\ =
· •. 0.022]
Natomiast drugie równanie może wynikać z „przejścia od reperu do reper u", I - I O O• . [ 0.033 ( )
~ . rn
pn:y czym dostępne są tutaj dwie drogi. Wybierając jedną z nich (rys. 5.2.5),
zapiszemy Ws pólna wa r to ś ć b łędu ś re dnie go pomiar u wszystkich prze wyższcr\ po-
zwa la na zapisanie macier1.y wag w postaci P =m;; 13, a stąd p -l = m~ 13.
2

Ko n tyn u uj ąc obliczenia , wyznaczamy

...·····:···············-·
....-···· z, Ir, R, .„ [ ()_()() 12 ().0004] ,--1 T - I [ 937.5 - 312.5]
R, ·----·-··········· ~ BP- I Il' = ( BI U ) ::::
0.0004 O.OO 12 (m l2' - 312.5 93 7 .5 (Ul)"'?.
G
a nastę pnie:

hjh " 2.37 1 rn] Wekt or lsor elat i wektor p opw~-ę)~

ii:{' ~ ·1.768 '
Z, 0.01 2
h°(' ., -·S.142 lllA ~ 0.02 ( rn)
- 0.003
li'/' '·' 2.96 1
1i;b ·" -· I. 774
i( = - ( BI,- t B ·1· )- t .:\ = [ 30 9]
. , V = P - lllTK= - D.01 2
-37.8 (lll)-1
Rys . 5.2.5
0.01 5
- 0.0 15 (m )
Możliwy do przyjęcia jest także inny zestaw dwu równań, np. dwa
„p rzejśc ia od reperu do repe ru" (a le już bez "zamknięcia oczka'', kt óre jest Warto z wróci ć uwagę, że uzysk a:1e wa rto ści poprawek s<1 t akie same jak
kombin acją tych „przejść"). Wybierając wcześniej us talony układ ri>wna1\ w przykładzie 5 .1. l ( ta sama sieć wyrównana metodą parametryczn <\).
warunkowych

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

- l. 774_, - 0.0 15 - 1.789 a na s tępnie

(rn)

111~ =mJ[FTP- 1F - F1'p- IBr (JH' - :B T ) - I BP- 1F j 0.000386 =

łl z-;.

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.

Bł11.d średni ~Ó.)Y.mmego przcwvższenia ,;4

Błędy średnic wszystkich wyrównanych prze wyższeń mo ż na u sta li ć na
podstawie macierzy kowariancji wyrówna nych obserwacji wyniki pomiaru bł~dy średnic wyników
pomiano
a,°" _ 42r.12'40«
C;, =111JlP- 1 --P- 1Br (nP · 1nr)- 1nr - 11= af/1 ::: 1 2 1 ;;24 c45c~
mu
1
''' mf, .... m,,
2 3
.o;. 20'~­

m,,4 ::· 10(''"

241 - 96 145 -./łS 48. 1
(li'' ,., 236"6 3'65~
- 96 193 96 96 -96 u~ 1' =l63r.36' 65«
= lO-(' l·t5 96 24 l ·IS .„ 43
r -48 96 48 24 1 145
l 48 - 96 - 48 145 24 1
Rys. 5.2.6

skąd, m.i n.
Należy zauważyć, że m~yskana macierz kowariancji wyrównanych obserwacj i
jest taka sama jak odpowiadająca j ej macierz C;. "'mJA(AT PA)- 1A T wyzna -
czana w przyk ładzie 5.1.L Rezultaty wyr6wnania obiema om awianymi
w tym rozdziale metodami, w tym także rezu lta ty oceny dokładności , są w i ęc
t a kie same.
Ro z wią za ni e
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
względem osi układu ( przesunięcia całej struktury względem osi X i wzglę­
dem osi Y oraz jej obrót), ustalamy, że defekt zew n ętrzny (lokalizacyjny) ma
wartość d= '"""' 3. Natomiast defekt wewnętrzny wynika z braku ustalonego
wzajemn ego położenia punktów sieci (wskazane na rys. 5.2. 7 punkty mogą
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

/ = n - r+d == 4 - 8+6=2 s· =- i< .,. 1'\ = 2.568 I

co oznacza, że należy utworzyć dwa wzajemnie niezal eż n e równania warun- uzyskujemy wyrównane kąty o wartościach:
kowe. Po utworzeniu tych równ ań oraz dalszych dział aniac h , podobnych jak
w poprzednich przyk ładach , uzyskujemy (można zasto sować także inny ze-
staw równań):

a 1 +a2 +a3 -400g "'O} -->

a 1 +a 2 -a4 == O

Ó:4 = a'.)b +v.1 = l 63!:36c65cc _ 4C<: =l63g36c6 1cc

L\I II e tap kontroli, to sprawdzenie , czy wyrównane lu1ty spełniają równa-
- v4 + afb+a~b-a'.lb = o nia warunkowe
"--------.-,....--···.,...;
ó2

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

. ("") . J•est ["miowe, 1.ate m po pocłsta w1emu

. . cr =o.: ob + v ,•.. .t1 =(.J oi1 + v6
Rys . ;3.2.S .
Riiwnamc "' rue 1 1 1 2 2
rozwiniemy je w szereg Taylora w otoczeniu V punktu x."11 (zgodnie z zasa-
R o związanie
dami przedstawionymi w części teoretycznej), tzn.:
Również i w tym przykładzie liczbę obsl!rwacji nadliczbowych ustalimy
korzys tając ze wzoru f =n - r .;. d. W tym celu mierzony trójkąt umieścimy
w układzie współrzędnych (X, )') oraz wyznaczymy jego defekt całkowity
(rys. 5.2.9).

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

--~-- - - - 1>Y Ć)'l'(x) d 1 cosa 3 sina 2 d 1 sin a 2 _

= ---····-·- -·-- --· = - ctga 1 -·· ·-:-·-··- - -ctga 1
Rys . 5.2.!J CJa 3
c/ 2
sina~ · d 2 sm a 3 ·
------~
I
Ponieważ r = 6 (3 punkty o nieznanych współrzędnych), /1 "' 6 (zmierzono
4 ką~y i 2 boki) oraz defekt całkowity d = 3, więc ~'1' 0~ == ()
rJa4 ·
f = 11-r+d=6 - 6 + 3 =3

334
 a następnie zestawić macierze:

d 2 sina 3 d 2 sina 3 d 1 d 1 d 2 sina 3 d1

~

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:

Zwróćmy uwagę na miana poszczególnych składników tego równania.

Zakładając, że skoro poprawki do kątów chcemy uzyskać w (ce), natomiast
poprawki do odległości w (m), to w celu ujednolicenia mian składników
sumy należy zarówno wyraz wolny (dotąd niemianowany), jak i współczyn­
niki przy poprawkach v5 i 116 pomnożyć przez p (tutaj pcc). Wtedy

Wartości błędów ś redn i ch pomiaru umożliwiają obliczenie m acierzy

. „
•HXl (ce)-

·!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

ob ob pcc p'c [d[Jb sinaf"

ctga, v„-ctga1 v3 +--·-v5 - --„„„„v6 + -·-..„„ „„„„.„„„„„-[jp
) ce
:::O 5 .0- (ce)
- - - dj'b d!t d~/' sin afb 20.2
0.0 12] 4.8
K"' -cmr 1
nT)- 1n. "' 0.062 .
[ 24.8
-0.023
-· O.O152 (m)

().()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 ~

237. l - 74.4 - 162.6 74.4 0.02244 -0.01828·1

·-74.4 149.5 -75.0 - 149.5 -OJH248 0.0346 I (ccJ 2

- 162.6 -75.0 237.6 75.0 0Jl2004 -0.0 1633

=
74.4 -149.5 75.0 149.5 0.04248 -0.03461
0.02244 -0.04248 0.02004 0.04248 0.00023 0.00014 (m)

1.-0.0!828 0.03461 -0.01633 -0.03461 0.000 14 0.000 11

oraz ustaleniu macierzy

rl 1 =380.574-0.0 !5 =380.559 (m)
~

tf2 = 262.754 +0.0 12 = 262.766 (m) Jd-

__
.>

-- n clap k ontroli aa:, tl_ 1cosC:L ._

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~

4Sg50"3Cf" + 351'~49"70" 0 - 400ll

l~J~-
V ()

380.559 (ml sin(48.5030i;)

- ·--····-······--- -------··--·-·-··- = I V
262. 766 (m) sin( I OI .4920g)

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

Ili 1i- =o.o l 5 (111 )

d 1sinlX1 "
d1 = ··-·;------- • T •
. sin O:J
gdy m<~ = V PV = _::. = 3.93~ = l .3 I (m0 = 1.14)
f f 3

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 )

nie jak w metodzie warunkowej, układ równań 'ł'(x) =O wiążących wielkości

mierzone), czyli Ponieważ będzie wyznac za ne takie <lx , że

'!'1 (X I• X 2, ... , X r) =O )

:'I'2 (X 1, X 2 , .. „ Xr) "" O) = 'l'(X) =O

'l'r (X t• X2, ... ,Xr) =O
Na podstawie układu równarl. obserwacyjnych x = F(X), po p odstawie -
niach x "' XJb +V, X = X 0 + dx i rozwinięciu funkcji x = .F(X) w szereg Taylora,
można, jn:k wiadomo, utworzyć liniowy układ równa1l. poprawek
V = Adx +L
gdzie iP=[<lx: B<lx +i.\=0) jest zbiorem rozwiązań dopuszczalnych (tlx
musi spełniać układ równaii waru nkowych), więc w procesie optymalizacji
należy zastosow ać następującą wtórną funkcję celu (funkcję Lagrange'a):
Warunki konieczne w tym prnble mie są p odobn e do wm·unków w me todzie
waru nkowej, czyli

(przypomnijmy: A =aF(x)I
-- - . , L =F(X o)-x"b ). Układ równań warunko - i)
()X X = Xo

wych 'l'(X) = O także zastąpimy jego rozwinięciem liniowym w otoczeniu <l_y

punktu przybhżonego x 0 , tzn.
ii)
' ł'(Xod
+ x>= '' ()'ł'(X)!
I(Xo) +----_---! <lx = 'ł'(X o-)+Bdx = O <::-> lld x + ó = O
ax : x~xll
 Po wyznaczeniu pochodnej funkcji .;„(d x ) względem <lx Rozwiązanie uproszczone
Zadanie
a~ .(cl:<> uć\d '( > r a r T a
- -"---·- '- - = ··- ' ·--'-·- -2K ·--- ·· (Bd\' +A ) ""-~---· V PV -2K ·-···- (Bd\' +A)=
a
()d X dd .Y dd X . od X dd .\' .
() .,. . i.lV r () Ad x + L = V
= --···· V P"V · ·····-- -2l< - - ·· (Bdi.- + A)= Bd x +L\ =o
JV Jdx i3dx ·
= 7
2 v P · A - 2KTB { ' = V PV ==V PV
min .;(d x)
T } ' T •

"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

1. i(::: - {B(AT PA)- 1BT r {A- Il(A.,. PA r ·' A T PL }

O{,'raniczei'1, a więc rozwiązaniem układu równar) normalnych

(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,

a•11 ,"(~.~~ i)'l'l ( x. X ) ()'I' f ( x , X )

6.2. Metoda warunkowa z parametrami ax , ilX 2 <JX r x~x'';, .X=--.· Xo
Niekiedy w równaniach warunkowych 't'(x) "' O dotyczących wielkości
mierzonych istnieje konieczność uwzględnienia także we ktora pewnych pa-
'I'I ( Xo/J ,.Xo) '·'' I

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 )

Biorąc pod uwagę , że

min {<;(Y,dx ) = y'l'py }=yTpy
V.<lx

Problemem optymalizacyjnym jest więc tutaj wyznaczenie tak.ich V i J x. • że

oraz rozw1JaJąc funkcję 't'(x, X)= O w szereg Taylora (w otoczeniach V, <lx

punktów x01', x0 ), uzyskujemy liniowy układ równań warunkowych z para-
metrami o postaci: gdzie
C!>={V,dx: BV+Adx+i.\ = 0}

jest zbiorem rozwiązań dopuszczalnych dotyczących zarówno wektora popra·

wek V, jak i wektora przyrostów dx. Jak już wiemy, w takich sytuacjach
(6.7) problem optymalizacyjny z ograniczeni ami zastę puje się problemem wtór-
BV +Ad x + A=O
nym (bez ograniczer1), a więc tu taj
gdzie

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

z trzema niewiadomymi: V, <ix , i<. Z pierwszego równania wyznaczamy (po-

B V +Ad x + 1\ = O =- V + Ad x +A = () c::·.>

dobnie jak w k lasycznej metodzie warunkowej) V= Ad x +i\

---~~----

(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, ,_____

minfo(dx) = yTpy }= yTpy ,/ s, S:1 13ii9.880 2640.3(j0

dx -·-
s ·I 1219.%0 I 2589.8·10
I -
Okazuje się więc, że w metodzie parametrycznej także można mówić
o korelatach JC. Zwróćmy uwagę, że ponieważ

I< =-P(A<ix +A} lub K: = - P(Adx +L)

więc to interesuj~\ce
rozpoznanie nie wnosi niczego nowego do znanego
nam już
z poprzednich rozdziałów rozwiązania. Pomimo tego, warto jednak
odnotować, że w metodzie parametrycznej korelatami S<\ 1·ównoważonc es-
Hys. lU
tymatory poprawek, czyli i( =-P(A<l \' + L) == -PV.
Niech teraz w równaniu BV +A<(\" +l\= O zachodzi A '"' O. Wówczas Rozwiązanie

BV +Adx +i\ =0 .:=:> !~V +1\ ~ Q

Wyrównane współrzędne punktu Z muszą spełniuć warunek
..... 1
. -- -.....- --
7
Wobec takiego założenia, rozwirizanie ustalające dx nie istnieje, natominst J<xs.: -Xz)-+(Ys_, - Yz)- =b
Do wyrównania sieci zastosujem y więc metodę parametryczm\ z wa r un-
kami wh\Żącymi parametry.
Współrzędne pu nktów stałyc h oraz wyni ki p omiaru odległości są tak ie
same jak w przykładzie 5. 1.3. Przyjmijmy zatem takie same jak t am war to-
ści współrzędnych przybliżonych wyznaczanego punktu

Przykłady X~ := 1250.180 (111). yJ "'2409.86 (111)

Przykład 6.1 Pozwala to na przepis anie z przywołanego przykładu trzech pierwszych

równa ńpo prawek (dotyczących odległości d 1 , d 2 , d :il
Punkty Z i S4 leżą na ścianie budynku dlugości b 182.312 (m), przy czym 0~

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)

lllj J Wyrównane współrzędne punktu Z, spelniające wymagany w treści zada-

nia warunek, mają zat em wartości
Nat omiast r ównanie war unkowe ma postać:
o
· ------·-···-·-·--
z )'
A A

X z =X z +dxz = 1250. lR0 - 0.212 = 1249.968 (m)

nieliniowe 'l'(X) = O
Ji(XS.: - X ~
z)- + ( Ys.1 - l' „ - /J = O
A o A

Yz =Yz +dy7. ""2409.860 + ll.l54 = 24 10.0 14 {m)

li niowe Bd x +A::.~ O Można sprawdz i ć , że istotnie

-
„ „· .. .,
gdzie Xz) - + (Ys - Y2 ) - = 182.3 12 <m)=b
4

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.

r 0.1656 -0.9862 r 187 (mm)

\.\)'llik i pomiaru

a;.ó : .:. 50'00" j U'"

bh;_dy :ircdnk W)-·nłków
pomi;1ru

oraz
a{" :':': l00'00~6a~'
a.;"~ ~~ 51)'lHJ~ .~oc~­
0.0069
(!:~ "."."; ~so•uo~6o~~
0.0069
0.0400

10 8

(wartość P,~ = p4 =10 przyjęliśmy w zasadzie dowolnie). Korzystając z za-

8
(inm)··· 2

'--------------~
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):

a 1 +a 2 +a3 - 200g =Ol ('')

aJ + o:.1 - 400!: =O

Przypuszcza się, że wyniki pomiarn kątów ap a 2, a 3 oprócz błędów losowych

reprezentowanych poprawkami v1, v2, v3 są obciążone także bł ędem systema-
tycznym s. Zatem wartości prawdziwe tych kątów należy przedstawić w postaci:

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)

Podstawiając powyższe modele do ukladu C l, uzyskujemy układ rr)wnań

-1 Ol r IOj~
warunkowych z parametrem s o postaci
V= p -IBTl('t:: 1 l
I
o'J[- 10]::: :oIO
I 30 -·
BV + Acl x+A = O:
l
O I .- _,o (cel

gdzie Wyrównane wyniki pomiaru kątów przyjmuj4 wa rtości:

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

cx 1 +a 2 +a3 -200g=Oi ::o.)

Podstawiajqc c"' m(,, do d a lszych obliczeń przyjmujemy I' '" l,1. Ponadto , ci 3 + c:l 4 -· 4001: ~-" O J
skoro

więc (na podstawie wzorów przedstawionych w rozdzinlc 6.2)

.i' := cl X :.:: -{AT (BP -I BT ) - t A }- I AT (Bl"-IBT )'-1l\ =-·j 150 =-5fcc

(estymator bł~du
systematycznego)

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)

Przyjmijmy teraz, że w etapie II pierwotną strukturę poszerzono o nowe

lub
punkty o współrzędnych X 11 E 'Jl'l 1·1 i nowe wielkości mierzone x 11 E <.J\" 11 .r.
Przyrosty do współrzędnych przybliżonych ( x?i )
nowych punktów oznaczy- (7.10)
my przez dx 11 • Wówczas
gdzie
o
Xu = Xu +<lxu (7.4}

Po takim dołączeniu wcześniej wyrównane współrzędne X1 punktów pier-

wotnej sieci geodezyjnej ulegną zmianie i przyjmą wa1tość Xl(ll)' pr.i:y czym

X1(11> == X1 + c1,.
· •!
<7.5)

gdzie <lx·•I jest wektorem nieznanych przyrostów. Warto zwrócić uwagę, że

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:
····· ...

··-.. .„.: · \
\
.....\·· \
.

Yu "' :\11d .x· 11 +A 1(11)dx1nn +~11 l : modd funkcjon:1iny

V· = d '< -dx . ~
Xi • J[ll) ·I j

~ 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

. f "(cJ x • d x 1<m ) = Vrl, V V P V l 7

1111 11 ·l<;. 11 11 11 11+ ~ x, .~, r=
<łxu .<1xq111 •' '
Ry:;. 7. l Il11stracj ;1 wyrclwnania sekwencyjnego -r • -r ·
= V 11 P11 V 11 +V 0 Px·· V ,o : kryterium w yniwn~mi:i
X1 ·I •'I
Ponadto, skoro

przy czym P·. = J>- = Af P 1A 1• Po wprowadzeniu oznaczeń :

x1 rlx 1
więc
(7.ll.)

Powró ć my teraz do zale:i:ności I .

fV11 ]
V == V,:
A I(Il)] Egt".r'
. ·'I I 'l .
d ·'I
v (li) =civ"I +cl ,x·· I
ustalaj:\cej ostateczne (po etapie II) przyrosty do przybliżonych współrzęd­ ci ''li
V J~
cI X= cl
nych punktów pierwotnej sieci geodezyjnej. W jednej z wersji wyrównania [ xwlJ •
sekwencyjnego uzyskany w etapie I estymator <l x, traktuje siQ jako pseu-
doobserwacjQ o macierzy wag
P·
<l x,
"' Q-:- 1 = Af P1A1
dx, (7.12)
c - cOxu"'' oc ].
'!(uł> -
[ X1
o ]
P·.
X1
=[p"O
(inne sposoby sq pr1.e<lstawione m.in. w książce BA1tAN1\, 1999). W tej konwencji zadanie (7.14) można także zapisać w dobrze nam znanej postaci:
przyrost d X jest wektorem poprawek do pseudoobscrwacj i d x 1 • co odnotu-
jemy jako tdżsamość

Zatem (7. 15)

Rozwiąwniem tego zadania je~t estymator

sk:vI wynika nowy układ równari poprawek

V• =dv -<i,,,, I (7.13) d• x =-(A T PA)„ I AT PL

X 1 •' i(ll)

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

( A E 9{" ·„) :::;> AT PA E 9\ '" ·'

Zatem gdzie (przypomnijmy):

11 11 - liczba nowych pomiarów,

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)

bloki macierzy kowai; ancji C <oh- Można zatem

X spo dziewać się nieco innych w arto~ki tego wsp ółc zy nni ka w porównaniu
oraz zastępując współczynnik wariancji <TJ jego estyma torem z wyn ikam i uzyskiwan ym i w wyr ówn an iu łą cz nym. Natomiast pra widłowym,
z teoretycznego punktu widzenia, postępowaniem jest przyjęcie dwu lokalnych
współczynnikó w wariancj i oraz wyznaczenie ich wartości z zastosowaniem

: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

,Jego rozwiązaniem są estymatory

(7.20)
oraz
V =Adx +L
Natomiast estymator wspólczynnika wariancji ma tutaj postać Rys. 7.2

" yTpy Rozwi~zanic

111():-::------- (7.21) Kor1 cowym rezu ltatem połączenia sieci geodezyjnych eta pu I i etapu II
ll11
jest rozwinięta, wcześn iej już wyrównywana, sie ć z przykładu 5.1.6. Sieci
tej odpowiadają następujące macierze:

Przykłady -.-0.21 9' (r1P - rti'")

-0.9911 0.1329 o o ( lll) (--

- 0.8185 -0.5744 o n -0.069 (-- (,o

{ 2 -(I"''}
2
Przykład 7.1
-0.4297 -0.9029 o () 0.038 1o -(1301')
<- ( (:;
Załóżmy, że na podstawie punktów s tałych S 1• S2• S 3 oraz zmierzonych
odległości d 1, d 2 , d 3 ustalono wyrównane współrzędne punkt.u Z . Po ja- o o - 0.6690 0.7433 - 0.230 (~ (d.\1 -d'.;;,)
1 L=
kim ś czasie okazało się, że w nawiąz aniu do tych samych punktów sta łych A= (df - d5/J)
o o ·-0.9854 0.1700 -0.153 (--

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

0. 1648 -0.9863 -0. !648 0.9863 o.ooo (--(d~ - d!f"i

kowo kąt a.
Stosując zasady wyrównania sekwencyjnego oraz przyjmując takie same 0.4898 - 0.3453 0.0549 <- (a 0
-a"")
-0.3442 --0.0575 (g)
wyniki pomiarów jak w przykładzie 5.1.6, ustalić ostateczne, wyrówn ane
współrzędne punktów Z 1 i Z 2 .

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

oraz macier z wag

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:

estymatory przyrostów do p r1.ybliżonych poprawki Etap II

Do pierwotnej, wyr ównan ej powyżej, sieci geo dezyjnej doł ąc za my n a stęp ·

-
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 (!~)
-
- <-

10000 o 0.026 ( Ili)

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 2 108.5 639 1.2 10203.0 6808.3 Przykład 7 .2

W cel u wyznaczenia współrzędnych punktu Z zmierzono odległości d 1,
d2 , d3' d 4 . Po wyrównaniu uzyskanej w ten sposób sieci geodezyjnej postano-

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

-0.9910 o.ł 336~

- 0.8185 - 0.5745
-0.1!9r„„.
-59
(- d1
0.44
0.44
(-
dz
-0.4297 -0.9030 38 (- d:;
A= L=
Na ich podstawie uzyskujemy esty mator wc~ktora przyrostów (zob. także
0.1656 -0.9862 ' 187 .:- d.1
2.0565 2.0349 81J
- 46
~~ {- Cl
przykł ad 5 .1.:J)
0.7544 1.0621 (-·
f3

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

zgodnie z zasadami wyrównania sekwencyjnego (wersja, w której

J
( c"f-2
, L 11 = lr 8 I] <-Cl
- ' 16 (ce) ~ /J

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

r 41 (ce) L\111 ,~ = m0 Jl4 =3.71110 <11u11)

Ir \i 1 -..,~j
._
V = 1 ··
li •
I::.: Ad X+ L =
- ·'
omy = 1110 ..f4i == 6.:11110 ( mm)
\. .\· 2 (mm)
1
- - 7 O taki e wart o ściulcgaji' zmniejszeniu bł ędy średnie wy1·ównanych ws pół ­
rz ędn y ch pu nktu Z po uwzględnieniu wyników p omi aru kątów.
oraz

Q ,. =Q..:. ::: ( A PA}- '=

T • r ·33 ··25] .
·' ·'Irli ) L- 2.s :13. {rnm l1

Równiez i lutaj warto z wróci ć uwagę, ze

d• - cl
X I (li) -
•
XI . .
IV· ·-
.
XI -
[ ·· 1991 +'
l r::·1
-· r- 197J
154 1' 7 1-
.
16 J
. J •. (llllll )

wcześ niejszymi rezu ltatami.

co jest zgod ne z
Wynikająca z dodatko wych pomiarów zmiana wartości wektora przyro-
stów do współrzędnych jest równ a wektorowi poprawek V\·
.. tzn .
. I

;370 371
 t.' ''
Jf°.": .·
·1_
.,.,

8. WYRÓWNANIE ODPORNE
NA BŁĘDY GRUBE

8.1. Założenia podstawowe

W praktyce geodezyjnej spotykamy niekiedy przy padki, gdy wyniki po- ··· " 1m:~<lzi al dopuszczalny
mia ru są obarczone dużymi błędami_ Takie błędy wynikaj<1, na ogół, ze zwy- <lla losowych poprawek
k łych omyłek w odczycie wskaza ń instrumentów pomiarowych, złej numc- Rys. 8.1. P rt<'U:t.ial dopuszc:wlny <lla losowych poprawek
rncji punktów, pi·ze kłarnań w procesie transmisji danych i ich wstępnego
przetwarzania. Duże błędy -QOmiaru mogą być także zwit1zane z chwilowym i, jest zmienną losową o rozkł~dzie nornrnlnym N[O; aJ. Wówcza_s, wyrnżajt\C
niespodziewanymi zaburzeniami pomiaru (np. szybką i trud m\ do u s t a lenia granicę a w funkcji odchy le ma standard~wego: (~ '"~a, gdzie k JCSt na razie
zmia ną paramet1·ów środowiska pomiarowego). Najogólniej, błędy o wskaza- dowolnym współczynnikiem dodatnim, mozna zap1sac (zob. rozdz. 2.1.1)
nym charakterze nazywamy błędami grubymi , a oba rczone nimi obserwacje
- obserwacjami odstającym i .
f····- ~.-""„
ko
Pamiętamy, że w rachunku wyrównawczym, ze w zględów forma lnych,
f'( --a Sv-;:; a) = P( -·k<J Sv-;:; ka) = 2 cxp(--v"., )dv =;i
błąd pomiaru jest zastępowany poprawlq v =-i::. Załóżmy, że bl<1d pomiaru, a.Jz„ ~a -
a tym samym i poprawka, m a rozkład norm a lny lub inny rnzkład o podob- o
nie nieograniczonej dziedzinie funkcji gę s tości. Wówcza::;, co prawda z ma- lub, po standaryzacji,
łym prnwdopodobieństwcm, można się spodz iewać także dużych błędów po-
miaru i du żych poprawek. Tę niedogodność, wynikajqcq z bezpośredn iego
przeniesienia probabilistycznych modeli reprezentowanych funkcjami gęsto­ P(- ka ::; V
- J
k
I
s; ka) "" P( - k s; V s; k) =2 ···n:~' ex p(·- . 2 . ( V
_1
V - ) ,- ') . .k .
= :Z!~J-~~.„~
śc i do praktyki obliczer1, można wyeliminować przez wprowadzenie prze- ()

działu, w którym losowe poprawki mają wysokie, chociaż wyraźnie mniej-

sze od j ednoś ci, prawdopodohie1\stwo wystqpien ia . Pn~ edział taki b ędziemy
nazywuli przedziałem dopuszczalnym dla losowych poprawek i oznaczali
przez 1~ v. Zakładaj [\C symetrię funkcji gęstości poprawki (bh:du pomiaru j,
granice prr.edziału ustalimy w postaci
Wielkość 1; = l'la jest zmienn<1 l o:>oWć\ o standardowym rozkładzi e nor-
malnym N[O; lJ (standaryzowaną poprawką). Wartości funkcji Q(k}, jak pa-
miętamy, Sl.\ t ablicowani: (tab. I). Zatem dla przyjętego poziomu prawdopoclo-
bieristwa y, koi·zystaj<v: " tej tabeli, można odczytać wartość współczynn ika k.
Kilka par tych wielkości przedstawiamy poniżej.

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
~\'

Rys. S.2. Funkcja wagowa metody n aj m nir.js<ych kwadral<iw

i =I ;~1 p + P"· P~ P

oraz estymatory poprawek: \. 1 = I, v2 =O. 0:1 = - 1, 1;,1 =O. Niech te raz z ja-
kich ś powodów {np. wskutek przekł am ani a odczytu instrumentu) czwar ty
wynik pomiaru ods taje od pozostałych i wynosi x = l O. Wówczas
• p·l+ p · 7.+ p·3+p ·l4
X= - -·-·-- ··---- ·-···-·····- - - -- = 5
p+p+p+p
oraz ,; I "'4, 1~2 ;: 3. i"3 = 2, v~ = -9. Uzyskane oszacowanie war tości prawdzi-
wej x w istotny sposób różni s ię od wcześni ejszego. Porównuj;'_\c wyniki po-
miaru, zdajemy jednak sobie sprawę, że czwa rta obserwacja odstaje od po-
zosta łych (mierzonu jest pr7.eci cż ta sama wiclkoAć), a wi ęc prawdopodobnie
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
prze d?.ia ł dopu s7.czalny dla losowych poprawek ustalimy w postaci (dla
"/ == 0 .95, <T = 1.5): 1~1· = (-1a; 2a) :;:: (- 3; 3). to istotnie 1~. 1 " i:\I'. Postępując roz-
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,
składowa fonkcji celu metody najmniejszych kwadratów ma po s t ać
2
p(v) = p v
ską d wynika, że metodę tę reprezentuje następująca
s zej wiarygo dno ś c i
z zas t osowa niem pewnych r oz k ł a dów prawdopodo-
bie ń stw) . Sąto jednak metody o procedura ch ob licze niowych w is totn y s po-
sób różniącyc h się od dobrze pozna nych rozwi ąz ai} metod:\ naj mniejszych
kwadratów. Na przykład, poszukiwanie minimum fun kcji celu w metodzie
najmniejszych odchyl eń absolutnych jest, ze względu na brak jej pierwszej
pochodnej w punkcie eks tremalnym, realizowa ne z zastosowaniem zasad
programowani a liniowego. Dobrze opisane s ą t akż e i in ne metody identyfi -
kacji błędó w grubych , oparte gł ównie na s pecjalnie do lego celu formuło wa ­
nych testach statys tycznych {np. BAARDA 1968). Prz eg l ąd tych metod, oprócz
innych zagadnie11 pokrewnych, np. dotyczących niezawo dnośc i sieci geode-
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
odpornego wyrównania, n a wią7. uj<1cą do ogólnych zasad M-estym acj i.
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.
Przypomnijmy, ż e skł a dowa funkcji celu tej modyfikacji, a w zasadzie gene-
rowanej prze?. ni ą grupy metod, ma następując<1 postać:
,
p(v ) = w(v) v „
gdzie w(v) jest funkcją wagowi\ . Rzec7.ywi śc ie, zgodnie z de finicją fun kcji
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
 ·< „.,
:::.. .

(
:p dla
w(v) =~
Lo dla
W naszym przykładzie estymator poprawki 0.1 dotycZ<\CY obser wacji od-
stajqcej nie należy do przedziału dopuszczalnego l'l.v. Zatem, zgodn ie z przy-
jętym w (8.1) przebiegiem funkcji wagowej, podstawiajqc v.1 =v. 1• uzys k uje-
my w(v.1 ) = v 1 =O, a następnie
X
- = „p·l+p·l+p·3+0·14
„..„.-.-.„..„„ -.„.„„.„„„.-·----„--„-·-·- = 2
p+p+p+O
Bliższa analiza wskazuje, że problem nie jest jednak t ak prosty j ak mo-
głoby to wynikać z przedstawionego rozważania i ilustrującego go e lemen -
tarnego przykładu. PoŻ<\dany wynik uzyskaliśmy bowiem nie na podstawi e
analizy wartości wszystkich estymatorów poprawek, lecz na podsta wie
wskazania tylko jednego z nich. Wskaz a nie to wynikało z ni ed ostę pnej
w rzeczywistości wiedzy o tym, która z obserwacji jest obarczona bł ę dem
grubym. Zwróćmy uwagę, że oprócz v,1 = -9 jest jeszcze jedno oszacowani e
poprawki o wartości nie mieszczqcej się w przedziale dopuszczalnym dl a po-
prawek losowych, tj. v1 = 4. Poprawka ta dotyczy „niewinnej" obs erwa cji,
i korzystajn,c konsekwentnie z funkcji wagowej o postaci (8.1), moglibyś m y
także i tę obserwację, w sposób zupełnie nie uzasadniony, odrzuci ć . Uzysk a-
ny w ten sposób wynik
brak tej równoważno~ci s twarz a istotny ma~·gines błę~u dec~zyjnego. iVIargi-
vE l'l.v
ne s błędu decyzyj nego poszerza także. i to, ze w wyrazem~ v '.'° vl C5 ( stand~1-
(8. 1}
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,,_
estymat ora poprawki v. W tej syt ua cji standaryzowany es tymator po?rawlu
::~' -- v' / 111\•' nie ma u normowaneuo rozk ład u n orma lnego , lecz rozkład Studen-
b
ta. Roz kład ten , jak wiem y (zob.' rozdz. 2. 1.2), jest związany ze stopn iami
··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-
dzi ał dopuszcza lny ó i·; "" (- k ; k) dl a standaryzowanych poprawek ;; ( t aką
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-
wych). Natomias t przyjmując wartośc i k us t alone z. zastosowan iem rozkładu
normalnego, n a leży l iczyć się z dals zym pos ze rzeme m mar ginesu błędu de -
cyzyjnego związanego z identyfikacj ą obserwacji <~in~rczonyc h błęd~~1i grn-
bymi (w pr zypadku tak iego samego prnwdopodob_ier~s twa "· war los c k uzy~
s ki wa na z rozkładu Studen t a j est większa , szczegol m e gdy li czba obserwacJl
nadliczb owych jes t mału) .
Ws k a za ne powyżej obsza ry n ie pewności skłan iują do ba rdziej ostro żnego
modyfikowan ia oryr,>in alnych w artości wag. f unkcja wagow a n ie jest zatem,
na ogół, fun kcj ą dw uwart ośc iową (orygina lna waga p lub zero), lecz poza
przedział em dopus zcz alnym jest funkcj ~1 s topniowo ma lej ąq. Oryginalne
wagi s ą wi~c tam w jakiś sp os ób tł u m ione. Korzystaj ąc z t ego usta lenia,
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

„· -·„·-·------1 arytmetyczną z cz terech wyn ik ów pomi aru: 111 1

:..>
T
,,. .••.- ·- ·········--- -.•.•. --·----·----- - xl X:?" =
= l. 2. x!( ' = :l.X:;" "' 14.
( KONIEC ) [n tu icyjnie o drzucil i ś my czwartą obse rwację (jako „p odejrza ną" o obarcze ni e
j:c• j +· I
·--·-·-·-··· ·---~· błęd em grnbym), nadając jej wag<; o wartości 1·ównej zeru . Stosuj ąc zasady
- p f; l „ T~~1 1-l\)l'li·" l uod pornionej na błędy grube m etody najm niejszych kwadratów oraz fu n kcję
tłumienia Ham pela, pono wn ie wyrównać te wyniki. Pr-.yjqć dla wszystkich
d ~p :-: - ( A 1 P'')A) "1 A:- Pc') L
obserwacji jednakowy błąd śre dni pom iaru 111 = 2 oraz precyzję wp rowadza -
I. \' l ;} .:!: Ad\: ! f. I.
nia standaryzowanych poprawek do przedziału dopuszczalnego e = 0.07. 0

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

-9.0 ·· (0)) 0.20

t ( v,i

- - - - ·- - - - - „- - -- - - - - - - - - ··-- - - -- ~ - - - - -- - ------
?
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

--( l) - l.l!O - l 03 t::.. -

VI - ho66 - . E V

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
)

;;!3l = --~ 37 = -0.23

.l ..;2.&99
krok 2.
l t; Ol ~, _ -ll.3? =-2.29 <t:.Dv- , 1-.v .(3)!
1 [E
(k ~ k~J> ) - >

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

-(2) -- 1.69 - () 97 0.036 l_ -1 1-42

\!I - -:j3_05,1 - . E L\v -P)
t(v() =l

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 )=

przekątniowa macierz tłumienia:

(2) . ( -- (':} '\''.1
. · (4)1- k'1i
) =Diag(l, 1. 1, 0.90)
„ .
T{V r(v, · ) = -·----- - - ·· = D.95
'• k - k1,

T (Y< 4 l) = Diag(J. I, 1, 0 .95)

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

Diag(C~l„io=I» =(3.038, 2.69 1, 2.691, 28.364) 0.230 1.521

0.25 y(7) = 0.52
X -- ')-·-''4 •
<1(7)
„(5) -_.„. _
VI _ -_
1.56 o.89 E L\v 0.25 [
- 0.48
v'3.038 - l I.48
0.03 1
·(5) - 0.56 - () 34
V:! - 'h .691 - .
_„ I ( v··2(5)) -- I
Dian(C(/) ) =(3.<)35 , 2.687, 2.687 , 30.433)
" · V (mo= l )
·-!5) - - 0.<M - (} ?7 "'· ·' v-
v3 - 'J1.691 - - ·- <C L\
ii( 7 ) =- 1.52 = 0.87 E óv
I JJ.035

~:<" 5 > =-~

h8.364
1
1."" = - ?-· 15 "'óii, 1v_P>J
1 •
e (k; kb) -~ l(v- ( 5) )
4
= lv<5>i_k
·II
„„ ____ „„_···-
b
· = 0.96 -· (7) -
V2
0.52 - 0 3?
- 'J2.687 - . -
E ÓV

k - k„

T(vl 5J) = Diag(l, l, l, 0.96)

\1(7) =_-OAS :::: - 0.29 E t..v ->
3 h .687
- -- - - - - - ·-- ----- - · - · - _„ - · - - - - --· - -· - - - - - -- - - · --

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 -·

T(V<8 »"" Diag(l. I. l, 0.99)

•
Cj =mij A (A
? .,. -
PA)
- 1
A
.
r _..,
- ~.07- :
„
1 l 1 1
:_

Ponieważ dla każdego i standaryzowane poprawló mieszczą się w przedziale

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

a nastcpnie: skąd dla każdego i : m.i:; = 3.0 .

. . .
r z adku niezbyt wygorow anych
- I etap kontroli Przedstawiony proces ite~acyJny, . w pl 8,ykr~oków Okazuje się jednak, że
wymagan. d otyczącyc h precyz•1. ,, e ' zawiera
rz . t mi wartościami· . d-
granic odpowie
długość tego proces~ :na zw1ąz?k.z p I'~~ 6 (poprzednio kb = 6.0) , to na pod·
nich przedziałów. Jesh np. P.rz!Jm1em~ ,, :a klasyczną metodą NK, tym ra·
stawie wcześniejszych wymkow wyrownam
- estymator współczynnika wariancji zcm uzyskujemy: . .
- wartości funkcji tłumienia
„ V7 PV 4.728
=1.2)
!--(0)1
·v - k I>
t(v ro> )= L~-·-·-·- =o.9 1
lilij ::: ---- --- == --·-···-· = 1.58 (m0
11 - r 3 1-.(0)i E (k; k1,) -~
1v1 i I k -k11
Dalsze obliczenia dotyczące oceny dokła dności należy prowadz ić korzystając
z usta lonej, ekwiwalentnej macicny wag P i odpowiadającej jej wartości
współczynnika wariancji mJ. Wobec tego wyznaczamy:
V2
( Ol

(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) =

r I OJ Ponieważ po tym k r oku wszystkie s tanda ryzowane poprawki znalazły s ię

- - - - - - - -- -- -- - - - - - - - - - - -- - w przedziale dopuszcza lnym llii = (- 2: 2).
(bez wzglę d u na przyj ętą precyzję e).
więc kończy on proces wyrównania

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
„

wyniki pomiaru (wraz z odpowiadającymi im błędami średnimi), z wyjątkiem oraz ---,

wynik~ pomiaru odległości d,1, który wynosi d.'i'h = J 82.562 un) (poprzedni wy-
nik d~" = 182.312 (ml obciążamy błędem grubym o wai·tości +250 (mm))
m0 = 9.4 wcześniej: 111 0 =1.0 I
- -- -- -- ·-------'

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

-00113 ... 0.0348 J OJX)69J ( mm J

Porównanie wartości uzyskanych estymat orów poprawek

·wynik pomiaru czwartej odległości różni się od wczcsnic1szcgo. Zate m

ponownie wyznaczymy wartość czwartego wyrazu wolnego
[ L l.1 == d.? -- tl,'t' = 182.499 -· ! 82.562
U7.yskując w ten sposób nowy weki.or wyrnzów wolnych
n ie wskazuje n a to, aby czwarty spośród nich (dotyczący świ adomie obci ążo­
n ej błędem grubym czwartej obserwacji) w istotny s posób różnił się od po-
=-0.063 <ml zo stałych. H.ozpoznanic ohsenvacji odstających tylko n a podstawie wartości
poprawek , be z ustaleni a indywidua lnych dla n ich przedziałów dopuszcza l-
ny ch , jest w ię c co najmniej ryzykowne. Na p od stawie uzyskan ych re zulta-

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

wcz eśn iej: - [-1991]

cl X =·' I 54
· . l(mm)
do /.\\;), wyznaczymy macierz kowaria ncji wektora V dla 111 0 = l .

!0.9 - 34. 6 - 10.0

22.01
--1 ' 167.3 -59.0 ·- 38.3

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)?.

-104 (mm} [____.~_ _ L_ 3

._(mn-..J
1) I
395
;394
 Następnie przeprowadzamy klasyfikację: krok l.

•"' =T(V'°' >P"" =

ro.0021
I 0.0030 l
0.0019
O.ll0056 L•m) .'
- 45 .o-
Okazuje się, Że żaden spośród standaryzowanych estymatorów poprawek
nie należy do przedziału dopuszczalnego. Na tej podst awie, st osuj<1c kla sy cz- . 1 I ·1· ( l) rl-163.4] V li ) = Ad lVi) + L =
1I 23.(_)j1
~ 1 p ( l A) -- A P
d (XIJ = --( '~ L= .
ne i przyjęte w praktyce geodezyjnej sposoby identy fikacji obserwacji obcią· . 90.0 ·' 26.9
L <mm)
żonych niedopuszczalnymi błędami pomiaru, można by sądzić, że wszystkie l.- 178.8 (mrn)
wyniki pomiaru kwalifikują się do odrzucenia. Wówczas nie pozosta wał o by
nic innego, jak ponowny pomiar wszystkich odległości. Nie sugerując s i ę
jednak takimi wnioskami, przeprowadzimy ponowne wyrównanie zm odyfi. c ov ·1
kowaną metodą NK z zastosowaniem duńskiej funkcji tłumienia. d l) =( P (t ))-1 - A (ATp(l) A)-l AT = [4 14.2 269.4
Przyjrnuj<1c y(O) =V, p(OJ = P oraz l 0~ 0.02, g "" 2 (parametry sterujące V( mo ~ IJ 457 .7 I
w dm'iskiej funkcji tłumienia) , obliczamy:
c ov 1705 .4 J(mrni"

1
pr;,ypomnijmy: 1(\i)"' { .· - · „
cxp{-/(iv!- k )~] dla!vi> k

- wartości funkcji tłumienia (gdy !\v = (-k ; k) = (- 2; 2) }

--(0)
(v 2
=
= v2 ) (<' L\v -> 1(i!
(O)
) "" cxp(-1(6.3-k)·'" }= 0.69
2

0.999

1(v.~ l) =cxp(-/ (1 3.2 - k)i:} =0.08

0
rf 1\ v - )

- 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

przekątni owe elementy m aci erzy c( 2 } : krok 4.

V(mo ~· n

. (') 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

przek<łtniowa m acierz tłumienia T(v' 2 »: Poni eważ już

ni t~ n ale żała do
w poprzednim kroku ite racyjnym tylko jedna poprawk a
przedzi ału
dopus zcza lnego, proces iteracyj ny mo żna t eraz
T(V ('.!» = Diag(0.9999. I, 1. 0.98·1) przys pi eszać, przyjmuj ąc coraz to wię ksze wa rto śc i . parametru I (wcześniej,
a więc w przypadku większ ej liczby poprawek v/1) spoza przedziału t~v.
---- -· - ·- ---- - - - - -- .- - ~· „ - .. -·- · ...... - - -- - - - - - - - - --· · - -·· -·-- t akie p ostęp o wanie mogłoby prowadzić do zł ego ro związ ania ). Zatem przyj-
krok 3. mując np. I "" I oraz kontynuując obliczenia, wyznaczamy:

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..,'•

Zwróćmy uwagę na wartość estymatora poprawki ,~4 = -240 ( mm) , bardzo

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

v<·l 5> =-O . 7 e óii -> r(v.\ 5»=1

»
T(v<5 = Diag( I, I, l , I)= I 4

P~niew aż wszystkie sta?daryzowane poprawki znajdują si ę w przedziale

dla mch dop~s.zczalny~, wi ęc macierz tłumienia staje s ię macierzą jednost-
kową W takJCJ sytuacJi

p(6) = T(V(5) )p(5) =14 p(.5) = p (5) =f>

i piąty krok kończy proces iteracyjnego rozwiązywania zadania wyrównaw-
czego odpornego na błędy grube.
Zatem

o0021

jest
p = p<5)

~kwh~alentną macierzą
rozw1ązamc:
=
l 0.0030

wag, której odpowiada

0.00!9
O ()(X)() (mm) - 2

nas tę pujące ostateczne

d
X
=<l(S
X
)=[-191]
148 '
V = V(.5) = -101
12
- 13 '
111 0 =0.9
(mm)

l -?4()
- (111111)

<\· =mJ(ATPA)- 1 = [38.8

-1.9
-1.9]
62.2 ?
->m.~ 2
-> m ·
= 6 (Ulm
)}
=8 (nun) - >111 f1o(Z) = 10 (111111)
(111)- Yz

400

9. WYRÓWNANIE SWOBODNE
9.1. Idea wyrównania swobodnego
Załóżmy'. ~e klasycznemu wyrównaniu m etodą pa rametryczną podl c!ga
swobodna s iec geodezy3na: trójkąt o zmierzonych trzech ką tach i trzech bo-
'.wch (rys. 9.la_). W celu el iminacji defektu dowiązani a d " ' J, przyjmujemy
Jako sta~e wspołrzęd~e (X, Y) punktu Z1 oraz współrzędnq X pun ktu z,. Na
0
pods tawie tych wspołrzędnych oraz wyni ków pomia rn , są ob licza ne w~pół­
l~zęc'.nc, p.~·zy.bli~one (,:i~. Y~;_) punl~tu 7.3' a ta~żc współrzo<lna Y2 , punktu
„
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
do wspó łrzędnych przybliżonych , że~
,;'(cl .\') = y l'p\r = min
Kryte1ium optymalności dotyczy więc t utaj jedynie poprawek do wvni-
ków pomiaru. Ozn acza to, że proces wyr ówn ania polega na optymal~ym
(w sensie kryterium rnin{~(d x ) =vrpy }=~ y1' p y) wpasowaniu wyrciwnane"o
dx
1.rójką~a ( Z1 ·!-2 ._Ż~) w trrijkąt przybliżony (Z1, Z:?· zi1) . Nie ulega pr zy tym
7.miame połozerne punktu stałego Z1 oraz współrzędna X punktu z,.
Przyjmijmy teraz, że również współrzędne , dotąd traktowane stałe. fako
;nog[\ _się zmicniac:. Zakładamy więc, że w procesie wyrównania równiei
l do mch będą wy;maczane odpowied nie p1·zyrosty. Nie e liminowany defekt
zewnęt:zny d.~ ~ ~ o_raz brak defektu wewnętrznego {dw c-, O) oznaczają, że
w anahzowaneJ s1cc1 geodezyjnej defekt całkowity d ~ d_ + d ·"' 3. Nat omia s t
po ustaleniu, zgodnie z ogólnymi zasadam i, liczby ohs e1-\vacX nadliczbowych ,
ponownie uzys kujemy
/=11 - r+i/ = 6 -- 6+3 = 3
Sieci o niezerowym defekcie całkowitym wyrównywaliśmy dot[\d metodą
warunkową, stosując kryteriu m optymalizacyjne min {,; (V)= VT PV }= yT py,
VE<I•
cri ::.~ {V: BV + L\ = O } (rozdz. 5.2). Takie wyrównanie, pol egające na wyzna-
402
•.:. . „
'f -"
.: ·,~.'. ' '
V. dotyczy tylko obserwacji . Ustalenie wy-
I
czani ll estymatorów poprawek
równanych współrzędnych punktów sieci, chociaż s tanowi w tym przypadku
! oddzie lne zadanie obliczeniowe, wymaga jednak eliminacji defektu do wiąza ­
I nia, natomiast bezpośrednie ustalenie wartoś ci wyrównanych paramet.rów,
a tym samym wyrównanych współrzędnych, jest mo:i.liwc, j ak wiemy, pr zez
zas tos owanie metody parametrycznej. Jednak w s ieciach swobodnych o ni e
eliminowanym defekcie macier3 współczynników A E :wu· układu równar}
poprawek V A<lx + L jest macierzą kolumnowo niepełnego rzędu , czyli R(A) ='u,
0 0
•
7
i dla d >O mamy R(A) < r. Wówczas także [N(A PA )= rt]<r, co oznacza, że
macierz współczynn ików układu równań norm a lnych A T PA ci x +AT PL= O
jest maci erzą osobli w[\. Nie isEni eje wówczas jej kl asyczna odwro tność ,
a tym samym w rozwiązaniu d x = --A i(piL uogólniona o dw ro tność Aifr>
z". ma postać
( 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
oraz
(9.1)
~
gdzie A 1 e 91"·". A 2 E :H"·d są bl okami m acierzy A= [A 1 A 2 Je 9\"·r. Okazu-
je si ę w ięc, że uogólniona odwrotn ość w przyjętej tutaj we1·sji Ai(i') akcep-
tuje defekt swobodnej sieci geodezyjnej, a le tylko w tym sen s ie, że przyro-
stom do współrzędnych w liczbie równej defektowi , przypo rządkowuje
warto ści równe zeru . W aspekcie geodezyjnym, odpowiada to opisanej wcze-
śniej sytu acji, gdy a priori jes t za kł adana stałość tych wspó łrzędn ych. Wów-
czas klasyczne rozwiązanie zadania wyrównawczego jest, w is tocie, wybo-
rem z ogól:!1 ego rozwiązania (9 .1) tylko tej jego części, która n ic jes t
trywialna (dx 1 ~ O) . W rozdziale poświęcon ym algebrze macierzy mówil iśmy
jednak także o innej wersji jednoznacznej g-odwrotn ości macierzy A. ,Jest
nią taka uogólniona odwrotność A ~N, ze wektor
" +
<l x =-AMNL
stanowiący rozwiązanie sprzecznego ukł adu równ ań Adx+ L =- O, spełnia
własności
403
 -~
- . ·.·
'1
I

I a) sicC gcodt:zyjna

\V nawiązaniu do zasad rachunku wyrównawczego, sprzeczny układ rów-

y
c)
na11 Adx + L = O zastępujemy, jak wiadomo, układem równań poprawek .,.t Jd_-"·3
Adx+ L =V, akceptując w ten sposób reszty jego rozwiązania (w takim uj ę­ +-ll>
ci u, wektor poprawek jest wektorem reszt lub, inaczej, wektorem residu-
um, zob. przykład 1.24). Przyjmijmy również, że M = P jest macierzą wa<T
wektora wyników pomiaru (a tym samym wyrazów wolnych L), natomias~
N= Px, ustalmy na razie ogólnie, macierzą wag znany ch przed wy równa-
niem współrzędnych punktów. Wówczas c) \Vyrównanic S.\VObotinc
b) wyrównanie klasyczn~

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-·· /" +

t .,. pr.1.cn1icszczcnic wzdlui osi X

przcn1icszc.zt.:n?c \Vl.lHuZ usi Y
obrót

Ż ,. 2, .Z, - punkty o wyrównon ych w spółm;_dnych

Rys. 9 .1. llustracj>t załoień wyriiwnan ia s wobodnego
Wyrównanie swobodn ej sieci geodezyjnej, z zastosowa niem roz wi ązania

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-

tów. W ten s posób jest. definiowan y lokalny układ współrzędnych , natom iast.
wsp ółrzędne go definiujące są w t akich rozwiqzani ac h wielko ściami s tałym i
i nie podlegają wyrównaniu (przemieszczeniu). Oznacza to, że niektóre
z punktów sieci dotąd swobodnej, odgrywając rolę punktów stałyc h (lub
częściowo stałych ), są traktowane w sposób szczególny, przy czym wybór
takich punktów jest, w zasadzie, dowolny. Rodzi to problem niejednoznacz-
nej oceny dokładno ści położenia punktów. Zauważmy bowiem, że błąd po ło­
żeni a punktu wybranego jako stały jest równy zeru. P odobnie, odpowiadaj ą­
ca mu elipsa ufności jest zredukowana do punktu lu b odcinka, gdy założono
stałość tylko jednej ze współrzędnych . Tę sam ą sieć można jedna k wyrów-
n ać ponownie, przyjmuj ąc inny punkt jako s t ały. Wówczas ten poprzedni
otrzyma j akąś elip sę ufnoś ci, natomiast aktualnie wybrany - tym razem
jest „b e zbłędny". W takiej sytuacji trudno więc fo rmułować obiektywn e
wnioski o dokładnoś ci p ołożenia punktów sieci, rys. 9.2 (są metody oceny
obiektywnej, lecz dotycz4 one elips ufności pewnych funkcji, niezmienni-
czych wzgl ę dem układ u współrzędnych, np. GAżDZICKJ 1976).
Wyrównanie swobod ne m ożn a znstosować nic tylko do wyrównania swo-
bodnych sieci geod ezyjnych. Tra ktuj('.\c ten sposób optymalizacji w szerszym
sensie, można także , o czym będzi e mowa w rozdz. 10, poszukiwać odstaj <\-
cych punktów dostosowania.
Wspó łrzędne pu nktów stałych (punktów dostosowania ) w d owi ąza nych
s ieciach geodezyjnych s<\ wyzn aczane na podstawie jakich ś wcześn i ejszych
(X.)') - punk t o stałych '"l>Ółrz~dnych .\',Y
(.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
swob o cłnych
406
"•'.i„.,:.·
~-·.,,
!
pomimów, a więc ta kże sąobarczone pewnymi błę dami . Na ogół dokładnoś ć
współrzędn ych takich punkt ów nic ma istotnego \"·pływu na dokładn ość wy-
znaczenia nowych punktów. W rzeczy;vistości, niektóre z p unktów stałych
mog<\ jednak wykraczać poza deklarowane przez odpowiednie parametry do-
kladnościowe obszary dla ni ch dopuszczalne. Takie punkty będziemy nazy-
wali od st:ijącym i punktam i dostosowania. Tiust.rują c ten problem, przyjmij-
my, że w p nykładz ie 5.1.5 inżynierski m zadaniem j est wyz naczenie
w s pół rzę d nych pun ktu 2 l, powiedzmy z taką do kładn ośc i ą, a by bł4d położe­
nia tego punktu był mniejszy od 10 cm (mP" < 0. 10 m). Ufając, że błędy
położen ia punktów stałych (U, 20, W są odpowiednio mniejsze (n p. m;XJ < 0.02 m),
wykonano pomiary k ątów i boków z dokł adnośc ią wystarczaj ącą do osią­
" nięci a p rzyjętego celu. Niech w rzec zywistoś ci, na skutek różnych powo-
dów (np. nierzetelności w ana lizie dokładności sieci, do której należą punkty
stał e, naruszen ia st a bilizacji tych pun kt ów, itp. ), któryś z nich leży daleko
poza odpowiednim dla niego obszarem ufności. Nic mając o tym .w iedzy
i prowadząc w „dobrej wierze" proces wyrówna nia, a więc dostosowuJ~C wt
niki pomiaru do warunków narzuconych m.in. pr zez punkty stałe, w 1stoc1e
możemy pogorszyć r ezu ltat y bezpośrednich pomiarów. Na rezultaty wyrów-
nan ia b ędą bowi em miały wpływ nic tylko błę dy aktualnego pomiaru, lecz
takie niedo puszczalne, błędne po łożenie odstających punktów dostosowan ia.
Na podstawie uzyskanych wartości (szczcg6ln.ie dotyczących an a lizy dokład­
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. Teoria wyrównania swobodnego*
Wcześ n iej wskazaliśmy, że możliwym do p rzyjęcia estymatorem przyro-
st.ów w swobodnej sieci geodezyjnej jest estymator
(9.2)
spe łniający kryteria
yTpy = min )
·r . . (9.:3)
d x l'x d x =min
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
( 1981), Wo1.t• (1972, 1979).
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

(9.4) A::: (A 1E '.Jl"·" A 2 E ''.H"·d] E ''.J\".r,

R(A 1) ::: R(A) =a, Il= r- d
spełniającego pierwsze kryterium zestawu (9.3), przy czym A 1 te '.J\''·", zapiszemy
dx 1 E 9\ 11 1
• , 11 = r - d. Przypomnijmy też, że rozwiązanie (9.4) odpowiada
klasycznemu opracowaniu swobodnych sieci geodezyjnych, polegaj<\cemu
na eliminacji defektu nawi<\Zania przez przyjęcie stałych wielkości d_ (np.
w swobodnej sieci niwelacyjnej d_"' 1, w sieci w układzie (X, YJ: d_ ::; 3,
w sieci pr;;estrzennej d_::; 6). W ten "sposób jest definiowany lokalny dla danej
sieci układ współrzędnych, natomiast ona sama przestaje już być siecią
swobodn<1. i jest dalej reprezentowana macierzą A:= A 1 E 91"·" oraz wekto-
Ponadto
rem d x :'= d x 1 E <.R"· 1• Należy zaznaczyć, Że z numerycznego punktu widze-
nia, założenie stałości współrzędnych w liczbie d_ jest w istocie eliminacją
właśnie tylu kolumn w pełnej macierq AE ':H"·'' o rzędzie R(A) = tt, li= r--d, Px
-·l
= [l\:1r !

(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

S tosując przyjętą ju ż wcześniej strukturę macierzy

A :: [ A I E 9\"·" A2 E g\"·"] E 9\"·', d

X
=
<lxi
[d V
,, 2 E
E 9\u,! l,
et.•cl. I
~\
E ~h·
I

gdzie;
~ Ild x + A = 0 (9.11)

fi ::: (AT1 PA 1 AT1 PA2J ~ (Q 11 Q 12 J, A=A1T PL

(r "" u+ d), ukła d ten można rozpisać do postaci
T '/'
(Q 11 ""A t PA1 , Q12 = A1 PA 2).

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)

gdzie, rzeczywiśc ie (porównaj z (9.8)),

oraz dla d > O zachodzi (r = u+ d) > 11 . wi.;;c u k ł a d równań warunkowych
Bd X +ó == 0 (dotyczących estymatora d X) zawiera więcej niewiadomych
aniż eli równ ań. i\ 12 ][QrI1]-=··l
-
·\ TI' __
- ' 1 -
Zgodnie z przedstawionymi w rozdz. 5.2 zasadami (stosowanymi tak że Px22 Q1 2
w rozdz. 6), wynikający z zadania (9.12) pierwotny problem optymalizacyjny

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

.Jeśli zatem W nicktó1·ych przypadkach mo:l.na przyjąć, że macierz kowariancji C 0

(9.15) losowego wektora x0 = ((X \1{ (X~/{ jest quas idiagonalna (wektói ·y
to x? ,X~ są wzajemnie niezależne), czyli

(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 .

Ustalenie macierzy kowariancji bez u względnienia błędności

wektora X0
gdzie
Biorąc pod uwagę , że
=-- ;:: nr-X nr ;;: QI I px'-II QI J + Q J,"' Px: 2I QI'
1 T
,... cix = --A;,Px L = DL

(uzyskaną powyżej uogólnioną odwrotność A ~.,. porównaj ze wzorem (1.39)

z rozdz. 1..1). ,Jednak najczęściej przyjmuje si~: ie Px == Ir . Wówczas

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

Podstawiając A ~Px = P;X 1H T:::- 1A { P. m acie r z kowariancji e stymatora

pr-.lyrostów bez uwzględnienia błędności wek tora x0 można zapisać w p os taci
o macierzy
':;" - n1>- 11,r
--- X> ::::: lłB
r T
:: Q11Q11 + Q12Q12 (9.25 )
jes t g-dwrolnością Helmerta-Wolfa (zob. także rozdz. 1.4).
Ponieważ
Przyjmując dalsze uproszczenie P = In, uzys kujemy

d• X -- - ;\ +pp L = - Ap+I , :: -A + L
X (9.24) gdzie xonic jest wektorem losowym, więc także
gdzie
(9.26)

jest odwrotności <\ Moorca-Penrns e'a (A: "' A+.J.

r

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--·

h;·'• -~ 2.05 m; -... O .Ol

h';" " 3.23 m 1 .:: O.O'?

wyznaczam y
Ry~ . 9.3. Swobodna "icć niwclatyjna
Tr(I „) ::.: n
1 11
oraz (cl ia HPx Il.,. c; 9\ ·")
Rozwiązani e
Przedstawiona si eć
niwe lacyjna jest si ecią swob o dną o defekci e ze-
Tr(;\A tr.) =Tri A PX- 1B r(IlP:X 1B r ) -- I:\ (Pl= Tr( A ,rP:\Px-: 113 r (nr-
X
tu T)-1 J =
X • · ,
"----..,..,--- ~ wnętrznym (nawiązania ) d_ ""' J. Ponieważ zrnierzone przewyższen i a pozwala-
fl j ą na ustalenie wzajemnego położenia punk tów w uk la<l;de wysokości li,
= Tr[BPx 1B r (BP;( 1Il r) - 1 ] =Tr(I,,) ::: 11::: r-d więc nie istn ieje tutaj defekt wewnętrzny, czyli tlw = O. Za tem defek t c ałko­
wity d = d + d "' I.
Zatem Wyniki p;;'miaru przewyższeń w tej sieci wyrównali śmy już wcześniej,
stosując metodę warunk ową ( przykład 5.2.1). Uzyska l iśmy tam n astępujące
Tr(M ) = Tr(I„ - A A ~l'x ):: Tr(l„) - Tr(AA :.Px) = 11 - r +d
wa rtości estymatorów popr awek (w cm ):

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)

Zwróćmy uwagę, że wartości poprawek są tutaj takie same jak po wy rów-

nan iu metodą wa runkow ą.
Na podstawie zn anej wysoko ści r eperu f/11 = H~, , obliczamy wyrów nane
wyso kości punktów
. o •
Na podstawie powyższego uklndu, po podsta wieniach llz '·" /-1 +dłlzi c:l0 l. 200+0.!)30 = l0l.230(m)
1 21

• o -
· = 103.200 + 0.070 = 103.270
llz.2 "' Hz-~-2 + d1-1Z:.! (m)

Pr1,epr owadzajqc kon trol ę wyników wyrówn a nia, uzyskujemy :

[ 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/ )

- 3 (cm) m:i 0.25 (CIH)

-

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

znaczniki dopiero drugiego stopnia). Zatem

h1 = Hz2 -· llz.1 )
.,.
u=R(A A ) = R(A) =2
+11° ·-ff~ -li['" a następnie
7.1 Z3
----v----------'
11=-·I
d = r -- u =r - R(A)=3- 2::: I
-fl?2 + uo
z2 -Ji!ib
v, = -d '{
" I z, + ,;,,_Z2 1 -
'-·--·---------·-··-J
Jak już wiemy, defekt sieci geodezyjn ej ( rów noważny defektowi ma-
cierzy A), może być ustalony na podstawie li czby s topni swobody tej sieci
1, ~- 5
+H~ -11':1. -1z 0 1i w układzie ws półrzę dnych oraz n a podstawie zna nego defektu wewnętrz ­
z, 3
----=----~·-""
"' nego. Za t em przedstawione w ramce ob liczenia są tylko kontrolne, nic
i: :."..:-3 wnoszą nic nowego do wcześniej szego rozpoznania wartości defektu wy-
równywan ej w tym przykładzie swobodnej sieci niwe lacyjnej.
Postać układu r<lwnat1 poprawek umożliwia zest awienie macierzy
Zatem sko ro d ·~ I, więc macierz A E 91"" zapisujemy w następuj:c1ccj po-
st aci blokowej:

~ : -~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

T [ 2.00 - I .OO - 1.OOJ Z~ ;,,

A; PA~ l =
- - I.OO 1.25 -0.25 7.,

Wariant 1) Załóżmy, że w procesie optymalizacji (tj. optymalnego wpasowa-

nia sieci wyrówna nej w sieć przybliżona,) nie ma podsta w do wy-
różnienia jakiegokolwiek punktu. Takiemu założeniu od powia du
macierz wag przybliżonych wysokości o postaci

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

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-
tatem wyrównania swobodnego, różnym od wyrówna nia kla sycznego, są nato-
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
s t eruj qcy procese m opty m ali zrn.:ji mi nfS x (d x) }= 11':~ Pxd x . Pon iew aż lu taj
dx

m iast es tym a tory 1m~yrostów do przybliżonych wysokości wszystkich pun kt ów ta k że

sieci niwelacyjnej. Zatem na podst awie tych warto ści obliczamy (rys. 9.4):
-r -
mo., :::------
V PV s
=- =6
n---r +d l
-
Hz,-= Hz + dH.
o - = 103.200 + 0.037 = 103.237 (111 ) w ięc m a cierz kowarian cji wyrówna nych wysokośc i ma posta ć
- 2 z2

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)

m ff- '"".fi.~67 = 1.6 (cm)

Z2

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

M acierz kowariancji estymatora para metrów X= x0 +dx (wyrównanych

wy5oko ści) ma p os tać

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

/~, :=: -1.j: +fi. z.

- ·l ·l -:;..) 2.040=-LOI.2 13 + 103.253 V
otr zymujemy
J.270 = 103.253-99.983 I/
1~ •1 = I i 2 :?. - I I z,
,.._, Cx.<~hl =<.\ oll, -BT2···lnPx 1 l +Ć;1 x U1h)
Macię1·z kowar·iaruii_fil.LÓwnanych wvsokości 0. 17
:; 0. 17
0. 17
0.17
0.17]
0.17 +
2.58
l 08
l.08
4.58
-0.92]=
- 1.42
a) bez uwzględnienia błędności wysokości przybliżonych
[
Macierz wag Px traktujemy tylko jako parametr sterujący proces em 0. 17 0.17 0.1 7 - D.92 -l.42 O.SS

m(1 '°' 6, 2.75 1.25 -0.75]

'X1
optyma lizacji n 1in{~x (d x) }= ćf~ Pxd x. Ponieważ nadal więc
:::: l.25 4.75 - l.25
[
_- 0:/5 - J.25 0.75_(C lll7)

skąd
-0.92]
-1.4 2 = J2.]5" = l .6 (..:111)

0. 58 (rn/ )

• błę dy ś redni e wyrówna nych wysokości

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.

41.0 - 0.3 l.l l.3 II z,

z~
P r zede wszystkim, trnktując•jako niewiadome przyrosty do w s pó łrz ęd ­
nych pr zyb liżo nych wszystkich punktów, utworzymy układ równań pop ra-

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" -

ti;" '" 1694.!4 m}

I] 521 U 6 I )855.85 - 29.350dx 20 - 99.991d y20 + 9'
-·- ·- ----~---- --w•w · •- ··--- ·
20 3312.2.\ ; 4413.2(,
dl"' ,, 1367.6) m J
Ji: -290~.65=P.168~~~~~~~
rt"' ~ 4 1 " 57' 4
1r• ~ s<." J•r 1<>
l"l 21 4356.84 ' 5296.25

.,,.,~. ~ , 6 :? ~ s r· :!r •

r,. ".15· 55· JS' j

Rys. 9.5. S wobodna sieć k1'towo-liniowa

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

Przyjęte b!ędy średnie pomiar u md = 0.03(m). mkt = ~( są również. taki e

same jak w cytowan ym przykładz i e, zatem pon own ie

P = Diag ( I l l I, l l l I, l l 11 0.0 156, O.Ol56, 0.0156, O.Ol56)

v1 = 97.351 dx 11 - l 15.169dy11 + 14. l 28d X·zo +89.288dy10 - ~----v-----J -y-·-·- - - - - ---·-·--'
(m)-1 (1- Z
- l l I .480dx -25.882dy + ! 9'
22 22

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

Następnie obliczamy: 56°34'16' () 56°34'1(( i j] I

62°51'27' I
- estymator przyrostów do współrzędnych przybliżonych
i
I
7 62°51'34'
45 "__ ,,., ... „
i
i
9
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

- eslymat.or wektora poprawek i estymato r ws pólczynnika wariancji

· (111) ex= lll1j(A PA ) =

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

·v = Ad x + L '=- I -0.3 (). m(i = ·---·-··- · = „ . •..• - = 2.472

11-r+d 2 111,;. = Jo.2~14 8 = 0.484 ( 111 )
,,

l
0.2 ~o

6.9 1 Wvrównanie swpbodne

-13.2„
W tym wyrównaniu przyjmujemy, że parametrami są p rzyrosty do
współrzędnych przybliżon yc h wszystkich punktów. Zastosujemy wi ęc t u taj
( mo = 1.57) „peł ną" macierz współczynni ków ukł adu równań poprawek. Ze wzgl ędu na
- wyrównane współrzędne defekt d ~' 3, macierz tę zapiszemy w następującej postaci blokowej :

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

Oczywiście, blok A 1 jest rnaci ~rzą współczynników z wyrównania k la-

sycznego, natomiast macierz A2 , odpowi adając współrzędnym przyjętym
jako stałe, w tamtym wyrównaniu nic brała udziału .

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

"' -370.950 359.54! 393.902 - 485.935 - 22.952 - 0.005

999.308 -214.66 1 - 34.297 o oi
700.596 -965.009 ·--485.935 dy!.O
L-911.064 - 555.534 -22.952 -214.66 1 1109.405 621:1.017 -109.389 130.767 J 0.028
0.0 19 ( lll)
J.\'.22

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
,..

h) z uwzględn1cniem błędności «=xo= 1111rPx 1 = mlr i s)

„ • T I I •
CX(:b) = Cxofl , - B ::.- BPx ]+ Cd x (bh)
f0.0024 0.00 09 -0.00 11 „0.0009 0.001 3 0 001 ·1 ··0.000 1 .„().fJ025
1
<10020 --o.oo 13 „-o.ooo t 0 .00 12 0,0009 - 00008 - 0.01)12
0.0048 O.!l008 ·-0.0020 - 0.0006 0.000S 0.002„1
},Q 0.0()23 -0.0002 -0.0007 O.GOO'.\ 0.00 14 I

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

Kontynuuj::\C obliczenia, wyznacwmy:

symclri:l 0.004() - 0.0005 - 0.0031 i
o.002:i 0.00 151
JYJ.aciei:z_kow a~iancji wvrówn~n.Y..GJi~Jill.VJr~ęDn vch. l1l.ęs!L'iH'JIDJP. tv_dl_}YJill.Q~: l 0.00l!2 (
-
:\
lll'
rr-e dnvch oraz błedv poło7.rl_nia P.!)nktóv.:
a) bez uwzgłGdnienia blc;dności współrzędnych przybliżonych /J/1
m ;; = .J0.0024 = 0.049 Cm)l .L
"· _ 2p ·-ln7' ::-·- I /\TP ·\ ::- - lup - I _
" 21 r -> m 1w(21) ::: 0.070 fm) (0.0511 m)
CX(M•> - mo x - 1 ' 1- x - 111>,
21
= Jo.0020 = 0.045 <m>J
1).0017 ().0008 „0.00 15 --0.0007 o.G:1os 0.0012 „ 0.00 10 - 0.00271
o.oo 12. n.oo 15 -·O.OOO'/ O.OO! I 0.0002 „0 .0005 „o.001r,! my . == .j6~'oó48 = 0.069 (m)l
0.0037 0.0003 - O.<J02S - O.()(l03 0.000 7 ll.()029 1 # 1,, (
-) łllpo(I'.\) =0. 084 (111) (fl.OG9)
1) ()0 11 - 0.0005 - 0.00IO 0 .0009 0 .001 .11 111~ , = Jo.0023 = o.048 <ml 1
-[ I. '
0.0029 .„().0002 - o.nous -0.001 '.I

-l _,y111c1na 0.0029 - 0.0008

0 .00 11
_„ ,~"j
0.00 12
0.007 5 ( m2)
Ili ;;

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

::: JO~Ó029 =0.054 ( m)

·-) /11
po - ,_ V'" X!.O Y20
A
„PA ~
-485.89 999.23
I
20 11 O\l.34 627.96
627.96 756.60 I!
m ;;
22
~'\.
=Jo.oo 11 =0 .()33 (m)l 1()46.95 -- 505.04 j
,rn1.rnj
m y- == ~OITTS =0 .087
„„ 505.04
( 111)
"!2

438
 ·1·
·.·;.„'

skala elipsy I fJ. 1 ::: 124. IO a =0.60 (m)

O. IO m i Fi:"' 1144_90 l' ;,,.. = 1269.00 b = 0.19 (Ili)

<p = 29.04"'

punkt 20.

P =f"x 1'x r ·]=[ll09.34 627.96·1

Zzo LPxr ' Py ·' 627.% 756.60_

a = 0.40 {m)

/;\ = 1304.52 1p = 37.16"'

li "' 0. 17 (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

~(Px +Py - ~) = 1679.8 1

!
=

).,,- = _!_ ,, + l'y + Jó)

2 (Pv =2829.55
dla poziomu ufności y-:=: 0.90 oraz Ji = n ··• r + d = 2 z tab. V, odczytujemy
Fy,„ 0_90 ""' 9.00

(l =mo J2xj 1f~=0.90 = 0.1 6 (111)

b == 111 0 .J2"Xi1"~=0.90 = 0.13 (111 )

<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
„„

Przyjmijmy, że e lementy wektora Xs są na tyle s łabo od siebie zależ ne,

Ry~ . .10. l.. Iden tyfikacja orl,;r.ajqcych punl<tciw do>.:losowania

\V t.ym rozdziale przedstawimy taką wersję odpornego wyrównania swo-
bodnego, w której przez odp owiednią mody fikację (tłumienie ) elementów ma-
cierzy wag I\ na s tępuje zmniejszanie wpłyv1u od s tających \liSpólrzędnych
punktów dostosowania na ostateczne wyznaczenia (punkty odstaj i:1ce można
t.ab:c id entyfikować w tra kci e wyrównania sekwencyj nego, stosując od pol'-
n q estymację baye sowską, K\MTKSKI 2000).
Ogólna idea odpornego wyrównania s wobodnego jes t podobn a do tej,
II że do ce lów okre ś lonych w t.ym rozd zia le, kowari ancje mi ędzy nimi można
uzn ać za nieisto tne. Zakł ada my wię c, że wspólnędnc (X " .. r 1-.) punktów
''I • I
i dostosowania Si.j '' I, .„, 115, S<\ zmiennymi losowym i wzaj emnie niez a ł(~ż ny -
I mi , a tak ż e nieza le żnymi od wszystkich innych elementów wekt ora X s <nie-
kiedy takie założenie będzie trudne do zaakceptowania , jednak wobec braku
I inform a cji o wszystkich elementach macierzy Cx . ·- j edyne możliwe do
·S
przyj ęcia). Niech ws półrz ę dne punktów dos t osowania będi\ wyznaczo ne
I z bł ęd a mi ś red ni mi mx 5 . • "'Ys. Dla wygody dals zych dział ań , główni e tych
I o charakter ze numcryc~hym: przyjmiemy, że równi eż ws pc\lrzędnc~ przy bli-
1

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

mx ? , my_o (lub przy najmn iej , ż e współrzędnym

fikacj i oraz zmniejszaniu wpływu podlegają obserwacje odstające, tu t aj -
od stające przyrosty do ws półrzędnych punktów, w omawian ej wersji - do
I Zi l;
tym S;"\ przypo-
rządkow anc odpowiednie wagi}. Powyższ e założeni a umożliwi ają prz ypon:ą<l-
współrz ędnych punktów dos tosowania. W jednym i drugim przypadku „wyci-
kowanie wszys tkim współrzędnym sieci geodezyjnej na stępuj<\ccj diagonal-
szan ie" wp ływ u moie być rea lizowane p1·zei tł um i en i e macierzy wag: tam
.m acierzy wag P wyników pom iar u, tutaj „. macierzy wa g Px (w pracy CzA- nej m acierzy wag Px:
PtF.wsKI 20(H przeds tawiono m eto dę łącząc ą te zagadnienia).
 T Po ustaleniu , że

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 - '

można rozpisać do postaci

(10.1)
r1 l
i
!
Ii
Idea odpornego wyrównania swobodnego. Macierz tłumienia. Ii
Funkcje tłumienia. Ekwiwalentna macierz wag

Idca omawianej w tym podręczniku wersji odpornego wyrównania swo-

bodnego (wykrywanie odstających punktów dostosowania), przedstawiona
w monografii autora (WiSNlF.WSKI 2002), a następnie rozwijana w pracach
SzunnYCHTA (2002), SzuonvcHTA, W1sNmwsK1EGO (2004), C7.APLEWSKJr-:Go (200,1),
polega na tłumieniu wag współrzędnych punktów dostosowania, a więc blo-
ku P„ . Zadanie to jest realizowane przez następującą macierz tłumienia: 1y(dr. )j.
·'S
.1„, . (10.:3)

Tv(dv)= T-z (d. Xz. ) ()

· · ··„„
] = Diav {T z (dv . ), T <"(d v.) } (10.2)
'' ·' [ 0 1$ (d .\' S ) " „ '' l ·' •'.I Funkcje tłumienia t;J.dx ), 11{d l') mogą mieć podobne postaci do postaci
-
w od pornym wyrownamu . wyms ·1. rnws ponnaru.
. N a przy Idad przyjmijmy, że S<\
przy czym, ze względu na zakładany brak tłumienia wag współrzędnych to duńskie funkcje tłumienia . Wówczas
przybliżonychpunktów wyznaczanych, przyjmujemy

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

s<\ losowymi, standaryzowanymi przyrostami o ustalonych przedzi ałach do-

P
X ·~
]= Px z p
X.\(1!
P
l
I
L X.m;_j
puszczalnych (-k. x: /.: x ). <···k y: kt' ). W praktyce można przyjmować taki e
same wartości gran ic kx, /.:t'· Wtedy, dla ustalonego prawdopodobieństwa /' priy czym
(zob. rozdz. S.1), ma my kx "'"r ,~ k '"' 2.0.2.5.. .. oraz l~tlx , "'-L\cl y5 =,;.,;/ ~(-k:k).

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

utworzymy ekwiwa l entną maci erz wag o postaci

Ustala my w i ęc, że j eśl i d < 211.1 „ lo
- -· liJ~„ .. n 1- 11-1\: .z _o l
P x=T, (dx J·Px =- - '-
. . . . o Px
.s
--, O
l. 1\: .
. s _;i
( 10.6)
d v
"I
=[ Ucl xz·
Xs<I) J
l ' p
Xsrn
Jl
gdzie (zgodnie z prnyjętym wcześnie założeni em)

00.7)

W podobny s posób przedstawimy także macierz współczynników układu

Struktura elementów funkcjonalno-statys tycznego modelu równań poprawek. Ponieważ z jednej strony ·
zadania >Y·yrównawczego
Za uważmy, że wprowadzony w tym rozdziale blokowy zapis wektora A = IA 1 E 9\
11
·" A 2c~ 9\"· 11 ]

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)

A = [ A, :A2 J =( A z-'\~()); A sp) l

'--·--··· ·---~/

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)

Zatem estymator wektora przyrostów ma pos tać

• --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::_~~.:? „

.n 2904.<>s ~' -~~!s

;'.;~ t1\!> ~ -<P~;-- 1 >r 1 n' <::;: <H>r' ";PL S)mul()W.lJ\C hlędy ~'lube

u~ a ub .„ -12" 57' .n· l g, "' 1.00 g,~ 2 .00

O A C'l.y dia k;,tJ'.dc(!U i
/3 "6 ,, 5(> l4' 16"l
tf.~!) E (- k.r ;k X ). d~,'.J E (·-k y ;k,-}
r"'~52 ·sr 2r !
X"(m) Y' (m)
s,
I 21 4356.84 5296.25
tak I nic r •• " .1S• SS ' .l8. J
dx -- d (j )
X
Rys. 10.3. Sieć z odstaj'lcym punktem dostosowania
I\: == p~il
Rozwiązanie
A
Sieć tę jako swobodną strukturę wyrównywaliśmy w przykł a dzie
9.2.
Przybliżone współrzę dne
punktu 22 nie były tam j ednak obarczone błędami
grubymi. Uwzględniając nowe w spółrzę dn e t ego punktu, uzys kujemy na stę­
pujący wektor wyrazów wolnych:
Hys. 10.2. A.lgorylm odpornci:;o wyrciwnania swobodne go

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-!

0.16 0.1 6 0,193 d yli 0.005

L= 9 L "' 9 n - 0.322 tfx1···' -0.029
n
-22 - 22 - 0.288 clyu -0.005
19 cl• X =-l> X
-lnT ::-- 1/o. rPI _
.u - ' '-l , - <lx =

-~:~~~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

Etap wstępny -- es tymator wektora poprawek

Dla macierzy wa g (podobnie jak wcze śniej)
(111) (!li)
0.003 O.OOO
-0.006 --0.023
O.Ol I 0.029
v= Adx +L = - !.9 n V= ·- 0.3 (")

_., l.2 0.2

mX~.1 1.9 6.9

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)" )

Przyjmując d~) =d x oraz [{;:O.ITT] g = 2, dla us talonej wcześniej wart.ości

k = 2.5 uzyskujemy następuj ące wartości funkcji tłumien ia:
Po identyfikacji odstających przyrostów:

,1s,,020i = 2.2 E lid

;fy(O) = 15 .5
20
~ i\d --> r(dy<0
20
»= cxp {--/(15.5-2.5)":) = 0.19

- (0) ~ ···' (0) •

- > r(dy ) = cxp(-/ ( 18.3 - 2.5)~ }= 0.08
dy,, =- 18.-> 11: t::.d
2
Za te m macierz tł umien ia T X (d X
(O)) ma postać

0.88
0.82

0. 19
0.94
0.08

455
454
 Przyjmując P~OJ = Px. podejmujemy realizację procesu iteracyjnego roz-
1
i

wiązującego odporne, swobodne zadanie wyrówn awcze.

- ____, - -- ----- - --- -- _ _ ________ --
.............. --- - - ~- ~- -·
2'd - > t(~i))~!) = cxp{ -1(8.7 - 2.5)!.') =0.68
krok 1.
Y2:? = -8"
i/··ui ..... '·-'
400
400 przekątniowa macierz tłumienia T X (J<1
X i)
352.9
329.5 T x (J~l ) =.: Diag(I, I, 0.99, 0.82. 0.99, 0.%, 0.68, 0.72)
400
74.5 krok 2.
374.S
400
400
349.5
0.325
30 1.9
0.087
397.9
- 0.1 66 71.7
- ~~9
I =-( P~l ) -I BT (B(P~»-I BT(I Af PL =
d\> 256.2
0.173
0.484
- 0.375
- 1.5 l2 (111) 0.265
0.066
przekątniowe elementy macierzy -0. 147

d ('.l) =.:-( PC.2)) -- IBT{B(I>'2i) ·· ll;r )-l ·\ 'J' l>I _ -0.223

X X X ' 'I • -
0. 160
0.404
Diag(C(IJ )-
' dx( zb)(m0 ~ t) -
-· 0.'161
=(0.002 1, 0.0014, 0.0023, 0.0021, 0.0029, 0.0118, 0.00 19, 0.0335)
- 1.581 (Ili )

~ 1(</x<n ) = cxp(-1(3.5 ·- 2.5)g) = 0.99

• IJ
D iag(c< 2> . J .::.:
dx (d>) tm„ „ ll
-> 1(ar(I» =cxp{-1(6.9- 2.5),t:)
ł'.I
=0.82 = (O.OO19, O.OO 13, 0.0022, 0.0022, 0.0028, O.O121, 0.()(l31, 0.0458)

r(d_~~'.,) = cxp{-/(3.1-2.5)1.') .::.: 0.99

"' (2)
<l(I) = 3.2 'ł.
Xw
M -> t(~ix0 > )
W
=cxp (-1(3.2-2.S)g } =0.99 "x, J = -3. 1 ""' M ->

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

'·1·ro \l -- - -·I . I ~,• 'I

t.ll
„. Cl} )= cxp{-1(4. 1 ...·2.5)'" )"" 0. 87
- > 1(dl'
·; m , ~
-> 21
l(;il~:o ) = cxp{- 1(3. 7 - 2.S)g 1 1.1
(, 1'10 = ·'·' (.; t\d . ) "' 0.98 '
{-, (3)
Xw
:- ..,
„ -·
8 E 1_\ d ·-->
0
1(;f ~; ) = cxp (-1(2.8- 2.S)x ) =fl.99
--> t(d A~;.>22 ) =cxp{-!(S.3 - 2.5)- g i=-= O 7 1
I •

'i: /\d - > 1(dl~}))

:u = cxn{-1(3.
. . J - 2.S) g } = 0.98

"' ( ~ )
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 ·! · ···

iI"" 0.10 l d \: "" -(P~' )- Il (ll(J>k' r·B ) A1 PL =

0.1 02
(f('I) :-:o-1.8 E i'.~f· -> l(c/('I) ) =l 0.099
Xi.; Xi.;
- 0.855
a«Yu1l =-2.0 i ·- J.857
.....
(.lll )

7«n -? 1 E t\d -> 1(</(·l) ) =l

l X·20 - -- X20 Dl··· u( C ux
(5)
u„ ' ·' {...•")(
o m 0 -J)
)-
-
-

= (0.001 0, 0.00 12, 0.0020, 0.0022, 0.0027 0 .012 1, 0.0,182, 0.2382)

;_f(<l) = 1.4 E t::.d -> l(~/( 4 )) = l
Y20 Yw W cel u przyspieszenia procesu iteracyj nego zwiększamy warto~ć I do

-> 1(J<:1J ) = cxp(-/(5.2-2.5)g) = 0.47

lL: o.soI
,/(4 ) =-5.2 cflSJ "'° __ ,_4 E 6,d l(tf(S) ) :::l
X22 .\ 11
Xe; Xu

a(ol) = -4.s E 1\c/

Y.n

Tx (d~I)) = Diag(l, 1, l, l, l, 1, 0.47, 0.59)

-------·------------- - - ---- -
krok 5.

1 ~ 9 \-" lv:I ( i (5 ) ) -- e' xp{ -/(3 .l) - -? .::>-) ~ } - () ~..,

400 <j"(S) -
X22 - - .J . llX22 - ·-'"
400
346.6
250.1
395.l I 'l'x ( ~Vi'l) =Diag(I , I, 1, I, I, l, (J.38, 0.43)
69.5

20.6 •1.J,,.,.,

461
460
krok 6.
l
l
l

przekątniowa macierz tłumienia T X (<l<X6 ) -)

400 :
346.6 1 Tx(d ~l)=Diag(I , l. l , l, l. l. 1. !)

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:

.„ (6) 1(J(61) = I -0.0321

dx I ~\ =- 1.2 E Ad - -> X1; 0.0 15
-0.053
-- (6) 6
dy1.1 = - 0.9 E t'.d - > 1ca« )l = 1 --0.044
Y13
d• x --
- .-, -·ln T(IlP
- ·-l n T1 - l·\ „PI -- p- ··lur .;- 1\
- 1 TPL-
- cl ((> )
x X ' I ,- - x 1 - - X

(j(6) ::: 1.9 c(ii<~> } '-= 1 0.096j

E M -)
Xw
0.063
Xw
-0.902
,j<G> = 0.6 E M -) r(t7 ~6 l} = l - l .890 (;n )
Yw >10

(j"C6) :::-2.5 E ,'l,d - > 1(r/<;>l

.\ 22
)= I
X2i

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

IJ.05 0.0199 0.55 0.2088 LO 5 0.353 1 l _:-;5 ·2. 10 0A82l ·L OO 0 .-1~)996 8

bez symulowanych błę dó w grubych lpr1.ykład 9.2), a także w sieci z tymi błęda­ O.UG 0.02:!9 O 56 tl.2 12:J !.OG 0.355·1 l.:iG
0.-13941
O.·l-IOG 2.12 0.-1830 -1.50 OA99 997
mi, lecz z zastos owa ni em nieodpornego wy równani a swob odne go (Etap O.o? 0.0279 0.57 o. 2157 LO 7 0. :15T7 1.57 0.-1-118 2. 1-1 0.·1838 :i .OO 0 --19 99!) 7
0.3599 1.58 O .·M2~J 2. lti 0.-18·1G
ws tępny niniejszego przykładu}. Przypomnij m y, ż e ws półrz ędn e punk tu Z] IJ.08 O.O:ll 9 0.58 0.2 190 l.O 8
O.Q!l O.O:J59 IJ.59 0.~22-1 I.O 9 0. 362 1 1.5~ 0.-l·M l '!..18 0.'185·1
obci<1żono bł ędami grubymi o wartoś ciach gx 0~ I. OO (m ), g y =2.00 (m ). 0.10 0.0398 o.GO 0 .2257 l.l o O.:!G-13 1.60 0.-1-152 2:.w o „rn61
<Ul O.O·l:J8 0.61 0 .2291 l.l 1 0 .31)65 LG ! O.·l•W:J 2 .22 0 .-18G8
0.12 lUH 78 0 .62 0.'2:32-1 1.1 2 0 .:!686 !.62 0.-147-1 2.2·1 0..1875
[ikz blę<l<iw grubych Z błędami t,'Tllbymi O. l:J 0.05 17 O . G:ł 0 .23:)'1 l.l :J 0 .3708 l.G:l 0.-1·18•1 ~.2G 0 .-1881
o.:nw 0.'1·195 2.:~s 0 .-1887
L
- ---·- Wyrównanie swobodne odporne wyrównanie swobodne
-- -···-------
0 .1-1
0.15
O. l G
0,0557
0.059G
ll.06:lti
0 .6·1
0.65
0 .66
0 .2:189
0 .2·122
0 .2•15·1
l.l·I
l.l.5
l. lfj
0.3 7·1!l
O.:J770
l.64
1.65
l .GG I
0 .-1505 2.:lO
2.:J2
0.-189:]
OAS9S I
!
r
'--0.089 '
..
r· 0.'1 161
"
r-
l dx , 1
0.17 0.0675 O.G7 0 . 2·1~6 \.l ~I IJ.:1790
0.3810
l.67
u;s
0..15 15
O A ~~~ ?..3•1
O.fa.i:. :LW
0.-190•1
0.-WIJ9
l
r--0.03 2 ll.18 0.0'/1'1 O.Gil 0 .25 17 l H;
0.19 0.0753 0.69 0.2541J i.1~9 o.:JB;m 1Ji9 0 A5 •~ 5 2.:JO o„rn1:1
0.005 0.193; 0.015 dy21
I 0.20 O.O'i93 O.70 0. 2fi80 1.21) 0 .38·19 J.71) IJ..15.5·1 2.-10 U -1 918
--0.029
·-0.005
-0.322
-- 0.288
1-0.053 dxu
dy, .
0.2!
0.22
0.08:l2
o.os11
0.71
o.n
0.2611
n. :~(;.12
1.2 1
1.n
0.386!}
o.:iss:J
l.71
1.72
l)A5fi·1
O.·t57:J
2A2
2.-1-1
0 .-1922
0.-1927
0.2:) 0.09!1) 0.73 0. 267:J l.2:l <}.3907 l .7:3 0.4582 2..16 0..19:ll
ći x ~ „. ; ,l

'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

.l3. l!lli i .Hi.HD

36.781
:J8.07~ I
39.3G•.
·t0.269
·l,l.G38
•12.!180
·12.79()
•H . lSl
·15.55~1 I
I
I
!
25
26
27
10.520
11.!CiO
I Il.SOS
11.52·1 l:u20 1 H.Gll
12.l!l8 13.B·M
12.879 14.57:1 16.151
J!;.47;3
15.379 : 17.292
18. 11-i I
! 18.9·l0 I 1!).!l;l9 2•1.3:l7
i l!l.820 120.S•l:l 25 .3:3G
' 20.703 2u.rn 2(i.:i:rn
29.3:l9
30.4:l4
:11.52s
l
! 3·L:l82 I :l7.652

: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
'

.1;u~?_. .rn 9W 50.8!12 53.672

„ Nu podstawie: BH,,)\~Ur S. (197G}. ~\Jt:tucl)' s!ri!ystycu:c i ul1lic.~t11iowc ano lizy cfonydz. P\VN , \Vał·szawiL Ptuct~: sK„\ :\. , f'u;clN~l\t E. ( 198:.u.
Zr:dr:nia z pl'obnbili.-tyhi. PWN, War;;wwnl

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

" Na podstawie : PAWl,OW~KI Z. (1976). S i<ltyslyka mulwwtyczn a. PWN, Warszawa


LITERATURA
J\.D:\MCu:ws:-:-: Z.. 1969. Rachund~ :~:.vrównowc:y w tl]ęci.u :1:c l:":iio wym . GcmL i l\'a1·to~r.. z. '1 :
AD~\MC7.F.Ws:..:i Z. 1970. Problrmy 11u1ncryc;:11e nfr!iniow1~go rrrchu.nhu wyrowna;vc::cgo . Geod.
i Kai·t.oi;r., 7.. ·1:
/\IT~G::-.· .-\.C. 1935. On li~ast sq11an!S and hnenr cambinntion of ob.i;1~nwtians. Proc. Hoy. Soc .
Ecłin. i\,55.
A:-:rrnl=:\V et :iL 1972. Rohust t:stimnfos o{ locc1tion. Princeton Cniversity Prr-s:..s.
l3i\H,\.:-: \V. 1999. Tcorct,yc znł~ podslfiW)' opracowflltia w :vnihów pomit1rd10 .~ r!ndc zyin_vr:h .
PWN, Warszawa.
BAAIUM \V. 1968. „~ łesting pn.1ct•dun~ ftJr ust l-11 g~~rufrtfr w~twork."i. P\Jbiications on Geodesy,
New S cties, Nclhcrłands Geodetic Commiss ion. voL2, No .S, Delf.
BE}.;'JAMlN .J.R.. Conl"EL1. C .A. 1'977. Unchuuci.· prnwdopodobinistu.Hl, stotj·s t yha mal•!m1.rt_yc-;;.
na i fr•oria decyzji dlu inZy11h-ró1L•_ P\VN, \V~lr.szawa.
Iloma: K. ..Jor.cE1'Sf:s P.C„ Ku11m iC Hl8:J. Robust ridjuslmcnt of !Iw Dmiish F11111 fume11ta/
"Prians.:ulfJtiau ~Vctu:orh. Zcsz. N:.1uk. AGH, Gcodet.ja. nr 79.
Bn,\~IlT S. 1976. J/c!ody stcrtystycznr• i obliczcnćou;c an(J[i:;y danych. P\VN, \Varszawa.
CA~PAHY \V __ HA:::-: \V. 1990. Sint11ltanc11s f!.<:.!imalion oj" lor:alion nnrl scnfo parc1mders Ul !he
cnntHi of robust M·cstimoti<>n. Manuscripta G~ochietica, no.15.
Ci'.,\ ,f. l~J7l. Optimization; Th1'oric d A/g,1rith1111!s. Dunod, Paris
C1.\.IA ,J. 1996. Modele statystycz:11e w in(orma<'ii n terrnfr. Wyd. AGH. l\rnków.
C?.„\PLEWSKI K. 200•1. PDs:-tio11ing wUh Interacti ve N f!vigt1tionul ~':i'lructun·s. i1nplfmt• 11tat zon .
Annual of N;Jvig~itłon , no. 7.
DucHNO\',:sl\t te. \V1S~n:ws n1 Z. 1999. Efehtywny, odporny 1w hli;_dy gnJ.bc estymator u:.•:.pól·
czrnniha 1.varia11cji w gev rfrzyjnych. uidrulach ob$t:rwtlcyj11ych. l\Iat. rv S z koły - Kon fe-
rc,\ji .~l\[ctrologia \Vspiet'~1na Konlputerowo''. [{ynia.
DtlCBNOWSKJ R. 2000. Rob11st cstimatinn of unrirrncc cr„!({11:icn! !Vlł-~Mimatio11} (or depct1 ·
dc11t obsavations. Geo(l. i l<arto~r. 4!J(:l):
Fn·„·nf:1s~: N \V., Sr.n„~A:-.~o~vs:K.1 ,]., "\V1.:-:1:..zmcK1 :\. 1980. 'J~~oria i metndy t:1blfr::!c11iouw oplymnfi ;;:;<lr.ji.
P\VN \V;irsza wa.
Fisz ~L i~JG7. Raclu1nd~ prawriopodobic1is!w<J i slotystyhn mat1~malyr.zrm. P\V!\"', \Vars za w :L
Gi\lf.17.JCKI .J. 1976. Anaii::fJ doidnd11o ~:ci poziomych sfrci .i:codczyjnych . Pr. Inst. Ceorl. 5:
G1o1Yr\EI\ ,J i inni. 1990. Geodezja ;„;,ynicryj11a. PWl\, Warszawa.
Gin:nfft-;Nll; T. 198l. 1\pplicatio11 <>( intermediolc vrrriabl1• s mt!l/wds i11 process Df affixi"g
a(frlitio11al obs 1~r1mlion::; (o the nriju ...;ted parl of ;;1.'mfrtic networhs. Gr~od. i l(artor;r.,
30() ):
lL\H>: M. l!JS:-.. Compu r ison of diffamt mr.tlwds and slratcgii!s for dctccti 11g outliers in
data. Proc. of t.hc 7th Int. Symp, on Gcocictic: C:ornp•1tations, .Junc 18-21, Crncow.
H ,\MP!'.I. !·:R., RoNCHF-WI E.M., Rouss;:;:uw P.• I., STAm:t \V. A. 1986. l?obus t slalistics. Tit r. a p1iro·
uch buscd an i nflrwnce {unction s . .John \Vilcy & Sm'!.!{, New York.
HuM,\K K:VLS. 198·!. Slatisti.,c/H! ;\frtlwdm da .\foddlbildung /li . 8tcztistisciu: lri1i,re11:u (1ir
l<uvarianzpararn ctcr. i\kadcn1it~„Verl ag , Berlin.
,Jóiw1AK J., PoDGÓH.Sl\l .J. !9!J2. Statystylrn od podsta w. P\\·1~ . \Varszawa.
K\D,\.I R. 1984. Die M etlwcfr "der Rcstc1t 1\/ta11cr t iur.': Ein Ausgfoiehirngsprinzip fii r /Je• ·
obo chtung ssy ~temc. ZN (G} .
]{,\ !MJ H. 1988. Einc vcrr<Jl!goneiner! c~ f(la sse von Scht1lzvcr{<Jlirt~11 m it prahli0i:hN1 A nwcn·
du11 f'<'"· ZfV (·1).
K\1.r1 ~s:1 \V. 2000. Odporna cslymu cja bayi:sowsiw w wyrówrtatJiu si•:c:i gr.cu/,,zyjnyclt. Wyd.
Un\wersvtetu Warmi1\sko-Mazu rskie1;0 . Hozpr. i Monor;r., 2G .
K.,:.11Nsf< I \V~ . \V1 ~NTF-W~K I Z. 19~12. Analiz " wybrnriych odpomyc:h na biedy grni>c m i!tod wy·
równaniu obserwacji g.:odezyjriycl:. Gcnd . i l\:.irtogr., 41(:1-4 ):
K-iMIN SEI W., W1sNn:wsx1 Z. 199:1. Arwlizrl wlas11ofri metody 11 arns/njąc cgo rygrirn . Acta i\c;ul.
Ag ricult. Techn. Olst. , G"od . Huris Hcg ulat. , :?.:!:
4 70
KA~.u:\:s;n \V. , \V1~~ fEWSh 1 Z. l 9n4 . Tht' mr.tlwd Df gn>wi 11g rigor for the atljuslmrrit of .t;codc -
l ic ob.serv(l tion.<.· cm1ta111i11cd b_y gross crrors . M;Jnuscnpta Gcoacticn, l ~) :
[\1F.Ln,\~ 1 N ~E. : A ., S cHWJ:TUCl\. H . 1892. :Vum<!rycznn alg~hra. linimvu . \VNT, \Va 1·sza\va.
l\i<AH UI' K., I<. 1983 . The !Jn11is li .\!.>!hod: "xpcrfrn c1! and phiiosophy . Deutsch•~
Kt:nl K
Gcod~ t i she Ko m rni ssion bci der Bayerischen Akademie Wissen , Rei!w A. HefL 98 ,
Mtin ch cn .
l\VHAr:i'O\'A L. , l\ c n,\(';~: n L .. Kl; Kuc·~ .\ L. 1987. Probability and s(atistćcs in gł!Odc.~y ar1d g e ophy-
sics. E lsc v ier, Amsterd am·Oxford -Ncw York·Tokyo .
Ku:n ,\t;:::n: L. 1988 . fi'ilru!atinns of i ~st i' i1rntiou t lwory. E lscvi t~r . .:\ 1 ns tcni ~1m-- Oxfonl- Ne\o,,· Yo rk-
Tn l· vo .
l<UilACc~~ L. 1989. On tht! /lsu condition i11 a Rcpliwlcd Rc8rcssio11 Morie!. :'>!alb. Slovaco , 3 9.
l(U ł\1":'. :\-l. 199 1. Har:diH>Oh of u ppU ,· d mnt h ł! matt"cs. for 1 ~ng i 1:1:cr.s nnd ~ 1~icn ti:=;l.'i .
:Ile Graw·Hill [nc., USA .
ivlrITER ~L\Y J.: H r-:. 1972. l!lr .-\ usglcichung Ji·eic r iVctze. ZfV, H c rt l.1 .
N;:y B . ! 97G . ,lfotody strlly,,lycz11c w g code.! ji. Wyd . AGH, !\raków.
(h\l),\ E. 2001. c,,ociezja . Oficy n a \Vydawnicza Po lit ech ni k i Wroclawskic;.
P.\CFT A . 1~J85 . Prawdopodobił~rlstwo . 'J'corln. Jfodr!lowanic prnbabi!is tyc::n ·~· w f4~ch11 in~.
PWN. Wm·szawa.
p ,,wto\\.'Si-C Z. 1976. Staty~(vha mat(~nrntyc~na. P\VN. \Varszawa.
P~:I~i:E H z. inso. Geodriti.<.;chc ~Vd:::. i? irJ Lruidcs- und lngc11ic11n:crm c:-!sUn.JJ.. K onr ~1 d \Vl ttv„·cr,
S tu ttg'1 rt .
Pun:u.n.iT~.: H A. 1979. Adjuslnu~nl o/ fri~(? ll•!t umrhs. Bullt!tin GCodCsiquc, 53:
Prnt:l.M(•n;i: A. 1980. Ei11e Modifizicrwig da /le/mal · \Vo/(-L<Js1rng des Prn/Jfrm., da Fn•i,•11
,V,~ !;:;e und c.in igc Arzwc11dunge11 . ZfV, ~:L
P 1 t1.-ł.S ZYNS~ I \V. 1981. \Vµrowod::cnic do zczstosow(ui odwrnl1w.~ci u ogólnionej ,\ foori! ·a -Pen r o-
8cgn w 1cybnzr1)'ch ;;agud11it..•t1 ioch W)'rÓWTl(I WCZ)'CI: . Geod . i [{artogr., 2 :
Pnósz.Y:~sr:. 1 \V., So:-;-:-.:owsK1 A . 1995. Jfatrix cxprc.'\:sions ior miuiuiu1n scntirwrm lcnst :>lJuarcs
sol u t ion.s of litit'(cr ~ystcm .i; and the rclnte d i nucrsi!. Demonst.ratio Mat.hcmatica, 28{3):
P1:ó ~zy,;s;; 1 W. 2002 . N iezawadno.' c sieci geocfr.oyjny cit . Oficynn Wy,Jaw n ic7.a Poli tec h n i ki
wa„;zawskicj.
R,,o C . 1982. M ac/de lin iowr; st ntyslyhi matc•mrzlycznej. PW); , Warszawa.
S 1 1-i'.OP-~ l\ I I\.. 1979. Jh ~ tndy schun~rl c_yJnego wyrówn nui<c 1nndcrllizowauyc:h p owicr::.ehniowych
sieci geo rh:zyj1'y ch . Zcsz. Nauk. ART O lsziyn , Geode ,ja i Urz;tdz. Rolne, 8 :
S1xonsr:1 K. 1979 . Zasto.sowa nił! ;:;ef.:we11 cyjny ch metod wyrówn an ia do wstęp nych atJnl i:.:
dohlmhrniciowyclt . Zcsz. Nauk. Poli lcchni ki Śl:\ski r.j, 76 :
S.l(HH·;rw L. 1980. ,\ faximum lii~,!lilwml - · cslimu tiou of co varin ncc~ 1111d rn~~iglr tcd m c an w iLh
rip plicatio11 to reprnt al ADM-oi>scrvalions. ZfV. 10 .
S 1>ernCZYNSKI A. 19 83 . Podstawy obłiczc1i geodezyjnych . PPW K , Warsznw<t.
So,;c; .(;ur W., Sm:1N· C HUN<; C. 199·1. A d1m11ccd li11wr modcls. Thcory ami rzpplimtir>11s. Mar·
cel Dckkcr Inc., New York-lh s cl ·Hong l<on g.
S IJNTE!l A.E. 1967. l,wst s qun rcs cr djust /Ja!nl of birrserl oliscruntinns. Canadi a 11 Surveyor, 21.
Św li\T~~K l\., \VJSNH:WSK I Z . 1983. \~v równ anic 11icz.alci:nych .i:icci g1~cgfrzyjnych or(l;: algory l~
mizacja obliczc1i. G"ocl. i l\nrtogr., 32(2):
S zunH.Yr~ HT T . 2002. Afctod_vc~tw i d ohhiclnoSciow c as pch.ty ohrcśJa11ia p u;;y r.ji ohst~rwow nn cj
w fJparci u n sy~lcm ra11u1rJwu.1_)'. Akadcm h1 ~'tar y n~lr k i \Voj e nncj w Gdyni ( rozpr;Hva
dok tors k a ).
S ztimlY<::Hi T ., \V i~Nlt:w.sh.1 Z. 2004 . lde11ly(dmcja i poprawia11ic wspófrzr:;duych znal.:ów nawi-
lf(H~_.-,:jny ch obarcznnych 1:ruby mi bh;dami W)'Stnwicnirz. Ze.sz. Nauk Akademii :\f;Jrynark i
\Voj„nncj w Gdyni, l:
TIJN ISSEN p .J .G. 1990. No11li11cnr lea s ł s q uares. Manusc riptn Geodnctica , 15:
Tt:rww1cz A. 1982. Teoria macierzy. Wyda wnictwa AGH, Kraknw.
\V,\n~ms M. l(JSl. Wchtory i maciazc. PWN, W:ns1.awa.
\Vr S N I EWSł\1 z. 1983. \\'yrównanie oł>.'icf :J.J(!cji geodc:!.j~nych obCT rczn 11ych ric:tcrministyez11y 11ti
:;nldOce.n inmi ośrodlm fizycz1u~go i .sysi'emu. pomiarowego. Geod. i }\.artogr., z. 3 :
W 1s :-; iEwsi;1 z. HJS·I. Z!Islosowonii! rozhladów Pcarsoll<I typu li i \/li w wyrówmrnill sieci
gcodayjnych. Geod . i Kartoi;r ., 33(3) :
471
\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