統(tǒng)計(jì)假設(shè)檢驗(yàn)_第1頁(yè)
統(tǒng)計(jì)假設(shè)檢驗(yàn)_第2頁(yè)
統(tǒng)計(jì)假設(shè)檢驗(yàn)_第3頁(yè)
統(tǒng)計(jì)假設(shè)檢驗(yàn)_第4頁(yè)
統(tǒng)計(jì)假設(shè)檢驗(yàn)_第5頁(yè)
已閱讀5頁(yè),還剩117頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

第一章測(cè)量平差總論

§1-1測(cè)量平差的基本概念

一、測(cè)量平差問(wèn)題

測(cè)量誤差,也稱(chēng)觀測(cè)誤差,是待觀測(cè)量的真值與其觀測(cè)值之差。觀測(cè)只是指

用一定的儀器、工具、傳感器或其他手段獲取反映地球及其他實(shí)體與空間分布有

關(guān)信息的過(guò)程和數(shù)據(jù)。不論觀測(cè)條件如何,測(cè)量誤差總是不可避免的。

多余觀測(cè),為了確定一定的幾何模型,并不需要知道該模型中所有元素大小,

而只需要知道其中必要的部分元素的大小就行了。例如確定一個(gè)平面三角形的形

狀,只需要知道其中任意二個(gè)內(nèi)角的大小。這二個(gè)內(nèi)角觀測(cè)值就稱(chēng)為必要觀測(cè)。

在幾何模型中多于必要觀測(cè)數(shù)的觀測(cè)數(shù)稱(chēng)為多余觀測(cè)數(shù),如三角形中共觀測(cè)了三

個(gè)內(nèi)角,則多余觀測(cè)數(shù)為1。為了檢查觀測(cè)值中是否存在錯(cuò)誤,并提高觀測(cè)成果

的精度,一定要進(jìn)行多余觀測(cè)。

不可避免的測(cè)量誤差和一定要進(jìn)行的多余觀測(cè)這兩個(gè)原因?qū)е铝擞^測(cè)值之

間,或觀測(cè)值與已知值之間出現(xiàn)矛盾(不符值)。比如,對(duì)同一量的多次觀測(cè),

其觀測(cè)結(jié)果不相等;觀測(cè)值或觀測(cè)值的函數(shù)與其理論值不相等(最典型的是三角

形的三內(nèi)角觀測(cè)值之和不等于理論值180°)。觀測(cè)值之間的這種矛盾(不符值),

使得測(cè)量問(wèn)題的解不惟一。為了消除這種矛盾(不符值),得到測(cè)量問(wèn)題的惟一

解,就要對(duì)引起這種矛盾(不符值)的主要原因一一測(cè)量誤差進(jìn)行研究和處理。

處理帶有誤差的觀測(cè)值,按最小二乘原理消除觀測(cè)值之間的矛盾,求出測(cè)量問(wèn)題

的惟一解并評(píng)定精度的理論和方法被稱(chēng)為“測(cè)量平差”。

“測(cè)量平差”一詞在我國(guó)最早出現(xiàn)在夏堅(jiān)白、王之卓和陳永齡三位教授合著

的我國(guó)第一本測(cè)量方面的教材。“二十八年秋,著者三人同在昆明,分別任教于

同濟(jì)大學(xué)、西南聯(lián)大及中山大學(xué)。教學(xué)之際,深感國(guó)內(nèi)關(guān)于測(cè)量課本及參考書(shū)之

缺乏,學(xué)者苦之,乃有編輯測(cè)量學(xué)叢書(shū)之決心,而以《測(cè)量平差法》川一書(shū)為始。”

(引自《學(xué)部委員夏堅(jiān)白》)?!皽y(cè)量平差”主要研究測(cè)量誤差的理論、測(cè)量平差

的方法和測(cè)量成果的精度評(píng)定。

二、誤差理論

研究?jī)?nèi)容包括:誤差分布、精度指標(biāo)、誤差估計(jì)、誤差檢驗(yàn)、誤差分析以及

誤差預(yù)測(cè)和控制。

在《誤差理論與測(cè)量平差基礎(chǔ)》⑵一書(shū)中,假定系統(tǒng)誤差已經(jīng)通過(guò)某種手段

得以消除,而且不存在粗差。在這一前提下,測(cè)量誤差服從正態(tài)分布,其數(shù)學(xué)期

望(真值)為零。方差為衡量觀測(cè)值或觀測(cè)誤差的精度指標(biāo)。隨機(jī)向量X的方

差的定義為:

O(X)=E[(X-E(X))(X—E(X))T](1-1-1)

當(dāng)x為一個(gè)隨機(jī)變量時(shí),其方差可以記為:

O(X)=b;=E(X-E(X))2(1-1-2)

q就是X的中誤差(即標(biāo)準(zhǔn)差,下同)。

方差D(X)定義式(1-1-1)的顯式為:

?(T

。x;\%盧2,x\xn

2

(y(J.??a

D(X)=xY\Yx2xY2xrn

*???

?,?

(T.???CT;

LXiXnr

式中主對(duì)角元素為X,的方差,非主對(duì)角元素°;內(nèi)為X,與Xj的協(xié)方差,協(xié)方差

的定義式為:

?「仇(X「E(X,))(XJ-E(XJ))](1-1-3)

方差還可表達(dá)為相應(yīng)的協(xié)因數(shù)與單位權(quán)方差的乘積,即:

O(X)=a?念(M-4)

式中2”稱(chēng)為協(xié)因數(shù)矩陣。當(dāng)2a非奇異時(shí),。工「=P,P為x的權(quán)陣。當(dāng)x為--

個(gè)隨機(jī)變量時(shí),則權(quán)的定義為:

P、再(1-1-5)

上式表明,權(quán)與方差成反比。比例常數(shù)加稱(chēng)為單位權(quán)方差。權(quán)是一個(gè)相對(duì)精度

指標(biāo)。

誤差估計(jì)總是與平差參數(shù)估計(jì)同時(shí)進(jìn)行,而且依附于平差參數(shù)估計(jì)之中,因

為誤差也是平差系統(tǒng)中所要估計(jì)的參數(shù)。

誤差檢驗(yàn)的目的是要在平差問(wèn)題中排除系統(tǒng)誤差和粗差的影響,以保證測(cè)量

成果的精度。

三、平差方法

在《誤差理論與測(cè)量平差基礎(chǔ)》中,介紹了條件平差、間接平差、附有參數(shù)

的條件平差、附有限制條件的間接平差和附有限制條件的條件平差等五種平差方

法。這五種平差方法并無(wú)本質(zhì)的差別,只是所選參數(shù)的個(gè)數(shù)不同,以及參數(shù)之間

是否相關(guān)所至。因此,我們通常稱(chēng)這五種平差方法為經(jīng)典平差,它們是測(cè)量平差

的基礎(chǔ)方法。

在經(jīng)典平差中,如果不選參數(shù),即當(dāng)所選參數(shù)的個(gè)數(shù)"=0時(shí),平差的函數(shù)模

型為:

AU+W=O(1-1-6)

rx.n,?xlrxlrxl

式中〃為觀測(cè)值的個(gè)數(shù),r為多余觀測(cè)的個(gè)數(shù)。以(1-1-6)式為函數(shù)模型的平差

問(wèn)題,稱(chēng)為條件平差。

當(dāng)所選參數(shù)的個(gè)數(shù)為〃,為必要觀測(cè)數(shù)),且參數(shù)之間相互獨(dú)立時(shí),

平差的函數(shù)模型為:

AV+BX+W=0(1-1-7)

cxnwxlcxu“xlcxlcxl

式中c=r+u為條件方程的個(gè)數(shù),X為所選取的M個(gè)參數(shù)向量。以(1-1-7)式

為函數(shù)模型的平差問(wèn)題,稱(chēng)為附有參數(shù)的條件平差。

當(dāng)所選參數(shù)的個(gè)數(shù)為〃=3且參數(shù)之間相互獨(dú)立時(shí),平差的函數(shù)模型為:

V=BX-L(1-1-8)

nxt/xl〃xl

以(1-1-8)式為函數(shù)模型的平差問(wèn)題,稱(chēng)為間接平差。

當(dāng)所選參數(shù)的個(gè)數(shù)為〃>3且包含f個(gè)獨(dú)立的參數(shù)時(shí),其余“7個(gè)參數(shù)都可

以表示成/個(gè)獨(dú)立參數(shù)的函數(shù),于是平差的函數(shù)模型為:

V=B災(zāi)一乙

7?xlnxuwxlMX1

(1-1-9)

C玄+W\—o

sxuMxlsx]sxl

式中s=為限制條件的個(gè)數(shù)。以(1-1-9)式為函數(shù)模型的平差問(wèn)題,稱(chēng)為附

有限制條件的間接平差。

當(dāng)所選參數(shù)的個(gè)數(shù)為0<,,<3且參數(shù)之間不獨(dú)立時(shí),平差的函數(shù)模型為:

AV+BX+W=O

cxnMXIcx.u〃xlcxlcxl

(1-1-10)

CX+WX=Q

MXl$x]$xl

以(1-1-10)式為函數(shù)模型的平差問(wèn)題,稱(chēng)為附有限制條件的條件平差。

通常將間接平差和限制條件的間接平差稱(chēng)為參數(shù)平差,其應(yīng)用最為廣泛。其

它三種總稱(chēng)為條件平差。各種平差方法可以互相轉(zhuǎn)換。以上經(jīng)典平差法的最優(yōu)估

計(jì)準(zhǔn)則為最小二乘原理。

四、平差結(jié)果的精度評(píng)定

精度評(píng)定包括兩個(gè)內(nèi)容,第一內(nèi)容是根據(jù)平差后求得的改正數(shù)來(lái)估計(jì)單位權(quán)

中誤差,即

lvTPV

a°=^r("

式中V為觀測(cè)值的改正數(shù)(殘差)向量,P為觀測(cè)值的權(quán)矩陣,「為平差問(wèn)

題的自由度,即多余觀測(cè)數(shù)。

第二內(nèi)容是應(yīng)用協(xié)因數(shù)傳播律,計(jì)算觀測(cè)值函數(shù)。=4的協(xié)因數(shù)。加,

其公式為:

Q^=fQfT(1-M2)

最后e的方差估值為:

/=蘇。加(1-1-13)

§1-2參數(shù)平差原理總述

一、附有限制條件的間接平差原理⑵

1、平差模型

附有限制條件的間接平差的函數(shù)模型和隨機(jī)模型分別為:

乙=3X+△

nxAnxuuxlz?xl

(1-2-1)

C7X+Wx.—Oa

sxuux\$x]

D=^Q=^P-1(1-2-2)

相應(yīng)的誤差方程和條件方程為:

V=BX-1

>(1-2-3)

CX+=O

式中

l=L-BX°(1-2-4)

按最小二乘原理,在

T

0=VPV+2K;(C戈+WX)=min

下得法方程及其解為

Tr

NBBX+CKs-BPI=0

>d-2-5)

C戈+%=0

T(1-2-6)

K°,=N-CC\CNBB-'BPI+WXV)'

X=(A^-1-N-'CTN-'CN-')B'Pl-N-'CrN-'W.

BBBBCCBBBBCCx

式中

NBB=B「PB,N,『=CN:CT(1-2-7)

2、精度評(píng)定

(1)、單位權(quán)方差

單位權(quán)方差估值為:

-2VTPVVTPV

b=-------=------------(1-2-8)

rn-(u-s)

(2)、協(xié)因數(shù)陣

協(xié)因數(shù)陣的計(jì)算公式列于表1-1

表1-1附有限制條件的間接平差的協(xié)因數(shù)陣

LXVL

LQBQ效-QvvQ-Qvv

1T

XQWN-BB-NB-B'CNCC-'CNBB-'00H

V~Qvr0Q-BQH0

0

LQ~QvvBQ效Q~QyV

二、間接平差原理

在附有限制條件的間接平差中,當(dāng)參數(shù)的個(gè)數(shù)正好等于必要觀測(cè)數(shù),即u=t,

且參數(shù)之間彼此獨(dú)立時(shí),有$=上1=0,即此時(shí)不存在條件。于是函數(shù)模型(1-2-1)

式就變?yōu)椋?/p>

L=BX+A(1_2.9)

/1X1MX1〃X1一

相應(yīng)的誤差方程、法方程及其解為:

V=BX-I(1-2-10)

T(1-2-11)

NBBX-BPI=O

T(1-2-12)

X-NBB'BPI

間接平差中單位權(quán)方差的估值為:

QVrPVVTPV

(1-2-13)

間接平差中的協(xié)因數(shù)陣見(jiàn)表1-2。

表1-2間接斗F差中的協(xié)因數(shù)陣

LXVL

BN-1BN-'BT-QBN-'B'

LQBBBBQBB

N-'BTN-l0N-'Br

XBBBBBB

VBN-'BB'-QQ0Q-BN-BB'B'0

BN-'BTBN」'BN-'B1

LBBBB0BB

§1-3測(cè)量平差的若干進(jìn)展

僅考慮偶然誤差的經(jīng)典平差在整個(gè)測(cè)量史上發(fā)揮了巨大的作用,至今仍廣泛

應(yīng)用。但隨著科學(xué)技術(shù)的不斷擴(kuò)展,測(cè)量數(shù)據(jù)采集的現(xiàn)代化、自動(dòng)化和高精度化,

使得有時(shí)經(jīng)典平差模型不能適應(yīng)實(shí)際問(wèn)題的需要,因此,測(cè)量平差的研究?jī)?nèi)容也

不斷擴(kuò)展。這些擴(kuò)展主要體現(xiàn)在:

1、從法方程系數(shù)矩陣滿(mǎn)秩擴(kuò)展到法方程系數(shù)矩陣虧秩

在經(jīng)典平差中,任何一個(gè)平差問(wèn)題總是具有足夠的起算數(shù)據(jù),或稱(chēng)為具有足

夠的基準(zhǔn)條件。在這個(gè)前提下,我們得到的法方程的系數(shù)矩陣總是滿(mǎn)秩的。由于

法方程的系數(shù)矩陣滿(mǎn)秩,法方程具有唯一解。但在實(shí)際工作中,有時(shí)存在沒(méi)有足

夠的起算數(shù)據(jù)的情況。例如,在水準(zhǔn)測(cè)量中沒(méi)有已知水準(zhǔn)點(diǎn)但卻以高程位參數(shù)就

是這種情況。當(dāng)一個(gè)平差問(wèn)題沒(méi)有足夠的起算數(shù)據(jù)時(shí),法方程的系數(shù)矩陣就會(huì)秩

虧,致使法方程沒(méi)有唯一解。為了解決這個(gè)問(wèn)題,1962年邁塞爾(P.Meissl)提

出了秩虧自由網(wǎng)平差的思想,將經(jīng)典平差擴(kuò)展到秩虧自由網(wǎng)平差。

2、從僅處理靜態(tài)數(shù)據(jù)擴(kuò)展到處理動(dòng)態(tài)數(shù)據(jù)

在經(jīng)典平差中,觀測(cè)值和待估參數(shù)都是不隨時(shí)間變化的靜態(tài)數(shù)據(jù)。但在現(xiàn)

代測(cè)量中,很多情況下觀測(cè)值和待估參數(shù)都是隨時(shí)間變化的動(dòng)態(tài)數(shù)據(jù)。例如,

GPS導(dǎo)航中的觀測(cè)值和待估參數(shù)就是隨時(shí)間變化的動(dòng)態(tài)數(shù)據(jù)。為了處理觀測(cè)值和

待估參數(shù)都是隨時(shí)間變化的動(dòng)態(tài)數(shù)據(jù),1960年卡爾曼(R.E.Kalman)提出了著

名的卡爾曼濾波。應(yīng)用卡爾曼濾波和其他動(dòng)態(tài)平差方法,使僅能處理觀測(cè)值和待

估參數(shù)都是不隨時(shí)間變化的靜態(tài)數(shù)據(jù)的經(jīng)典測(cè)量平差,擴(kuò)展到能處理觀測(cè)值和待

估參數(shù)都是隨時(shí)間變化的動(dòng)態(tài)數(shù)據(jù)。

3、從無(wú)偏估計(jì)擴(kuò)展到有偏估計(jì)

經(jīng)典平差的優(yōu)良統(tǒng)計(jì)性質(zhì)是估計(jì)結(jié)果的無(wú)偏性和方差最小性,即經(jīng)典平差中

估計(jì)出來(lái)的參數(shù)是最優(yōu)無(wú)偏估計(jì)。但當(dāng)法方程病態(tài)時(shí),由于觀測(cè)值的很小的誤差,

就會(huì)使待估參數(shù)產(chǎn)生很大的變化,不僅解極不穩(wěn)定,而且方差的數(shù)值還會(huì)很大。

1955年,Stein證明了若法方程病態(tài),則當(dāng)參數(shù)的個(gè)數(shù)f大于2時(shí),基于正態(tài)隨

機(jī)變量(觀測(cè)值)的最小二乘估計(jì)(經(jīng)典平差)為不可容許估計(jì),即總能找到另

一個(gè)估計(jì),在均方誤差意義下一致優(yōu)于最小二乘估計(jì)。統(tǒng)計(jì)學(xué)家們將這種現(xiàn)象稱(chēng)

為Stein現(xiàn)象。根據(jù)Stein現(xiàn)象,Stein于1955年提出了通過(guò)壓縮改進(jìn)最小二乘估

計(jì)的方法。通過(guò)對(duì)最小二乘估計(jì)結(jié)果進(jìn)行壓縮改進(jìn)后,其估計(jì)結(jié)果就不再具有無(wú)

偏性。因此,就稱(chēng)對(duì)最小二乘估計(jì)結(jié)果進(jìn)行壓縮改進(jìn)后的結(jié)果為有偏估計(jì)。有偏

估計(jì)被提出以后,至今以擴(kuò)展了很多有偏估計(jì)方法。在大量的有偏估計(jì)方法中,

研究得最多的是嶺估計(jì)。

4、從線(xiàn)性模型的參數(shù)估計(jì)擴(kuò)展到非線(xiàn)性模型的參數(shù)估計(jì)

經(jīng)典平差方法實(shí)際上是線(xiàn)性模型的參數(shù)估計(jì)。但測(cè)量實(shí)踐中卻存在大量的非

線(xiàn)性模型。在經(jīng)典平差中總是對(duì)非線(xiàn)性模型進(jìn)行線(xiàn)性近似,即將其展開(kāi)為臺(tái)勞級(jí)

數(shù),取至一次項(xiàng),而略去二次以上各項(xiàng)。如此線(xiàn)性近似,必然會(huì)引起模型誤差。

如果線(xiàn)性近似所引起的模型誤差小于觀測(cè)誤差,則線(xiàn)性近似所引起的模型誤差可

忽略不計(jì)。隨著科學(xué)技術(shù)的不斷擴(kuò)展,現(xiàn)在的測(cè)量精度已大大提高,致使線(xiàn)性近

似所引起的模型誤差與觀測(cè)誤差相當(dāng)。甚至還會(huì)大于觀測(cè)誤差。因此,用近似的

理論、模型、方法去處理具有很高精度的觀測(cè)結(jié)果,從而導(dǎo)致精度損失,顯然是

不合理的。現(xiàn)代科學(xué)技術(shù)要求估計(jì)結(jié)果的精度盡可能提高。這樣,傳統(tǒng)的線(xiàn)性近

似的方法就不能滿(mǎn)足當(dāng)今科學(xué)技術(shù)的要求。更重要的是,有些非線(xiàn)性模型對(duì)參數(shù)

的近似值十分敏感,若近似值的精度較差,線(xiàn)性近似時(shí)就會(huì)產(chǎn)生較大的模型誤差。

此時(shí)用線(xiàn)性模型的精度評(píng)定理論去評(píng)定估計(jì)結(jié)果的精度,會(huì)得到一些虛假的優(yōu)良

統(tǒng)計(jì)性質(zhì),人為地拔高了估計(jì)結(jié)果的精度。為此,人們提出直接處理非線(xiàn)性模型,

這樣就使線(xiàn)性模型的參數(shù)估計(jì)擴(kuò)展到非線(xiàn)性模型的參數(shù)估計(jì)。

5、從待估參數(shù)為非隨機(jī)量擴(kuò)展到待估參數(shù)為隨機(jī)量

在經(jīng)典平差中,待估參數(shù)為非隨機(jī)量。但在有些實(shí)際問(wèn)題中,某些待估參數(shù)

的先驗(yàn)統(tǒng)計(jì)性質(zhì)(如期望和方差)是已知的,這就導(dǎo)致帶有隨機(jī)參數(shù)的平差問(wèn)題

的出現(xiàn)。如1969年,克拉魯普(T.Krarup)提出的最小二乘配置,就將待估參

數(shù)僅為非隨機(jī)量推廣到待估參數(shù)為隨機(jī)量。此外,待估參數(shù)為隨機(jī)量的估計(jì)還有

貝葉斯(Bayes)估計(jì)。

6、從觀測(cè)值僅含偶然誤差擴(kuò)展到有含有系統(tǒng)誤差和粗差

經(jīng)典平差的最大特點(diǎn)就是假定觀測(cè)值為僅含偶然誤差、服從正態(tài)分布的隨機(jī)

量。但實(shí)際觀測(cè)值中往往既含有偶然誤差,又含有系統(tǒng)誤差和(或)粗差。當(dāng)觀

測(cè)值中含有粗差時(shí),由于最小二乘估計(jì)不具備抵抗粗差的能力,估計(jì)結(jié)果將嚴(yán)重

地受到粗差的污染。為此,統(tǒng)計(jì)學(xué)家自然地希望尋求一種能抵抗粗差的估計(jì)方法。

于是1953年薄克斯(G.E.P.Box)提出了穩(wěn)健估計(jì)(RobustEstimation)概念。

但只到二十世紀(jì)六十年代,才出現(xiàn)研究穩(wěn)健估計(jì)的熱烈局面。因此,人們公認(rèn)穩(wěn)

健估計(jì)始于1964年,即認(rèn)為1964年胡倍爾(P.J.Huber)發(fā)表的“位置參數(shù)的

穩(wěn)健估計(jì)”一文為穩(wěn)健估計(jì)方面的開(kāi)創(chuàng)性論文。穩(wěn)健估計(jì)的出現(xiàn),就使測(cè)量平差

擴(kuò)展到可以處理除含偶然誤差外還含有粗差的觀測(cè)值。

同樣,系統(tǒng)誤差在測(cè)量過(guò)程中也是存在的,為了處理系統(tǒng)誤差,往往在經(jīng)典

平差的基礎(chǔ)上附加系統(tǒng)參數(shù)。因此,有了附加參數(shù)的平差方法。近年來(lái),又開(kāi)展

了對(duì)應(yīng)用半?yún)?shù)估計(jì)理論來(lái)處理系統(tǒng)誤差的平差問(wèn)題的研究。

7、從主要研究函數(shù)模型擴(kuò)展到深入研究隨機(jī)模型

在經(jīng)典平差中,主要研究函數(shù)模型。例如,五種經(jīng)典平差的函數(shù)模型及其內(nèi)

在聯(lián)系。1923年,赫爾墨特(F.R.Helmert)提出了方差分量估計(jì)理論,使兩類(lèi)

以上觀測(cè)值同時(shí)平差時(shí)正確確定各類(lèi)觀測(cè)值之間的權(quán)比成為可能。隨著方差分量

估計(jì)理論的提出,開(kāi)辟了深入研究隨機(jī)模型的途徑。

8、從最小二乘估計(jì)準(zhǔn)則擴(kuò)展到其它多種估計(jì)準(zhǔn)則

在經(jīng)典平差中,實(shí)際上只是應(yīng)用了最小二乘估計(jì)準(zhǔn)則。隨著科學(xué)技術(shù)的擴(kuò)展,

參數(shù)估計(jì)理論得到了巨大的發(fā)展。出現(xiàn)了極大似然估計(jì)、最小二乘估計(jì)、極大驗(yàn)

后估計(jì)、最優(yōu)無(wú)偏估計(jì),貝葉斯估計(jì)、穩(wěn)健估計(jì)、a范估計(jì)、信息擴(kuò)散估計(jì)、極

大可能性估計(jì)、半?yún)?shù)估計(jì)等等多種估計(jì)方法。應(yīng)用上述各種估計(jì)的測(cè)量平差問(wèn)

題已取得了許多成果,并在進(jìn)一步深入研究之中。

§1-4本課程的任務(wù)和內(nèi)容

高等測(cè)量平差是在經(jīng)典測(cè)量平差及其相應(yīng)的誤差理論的基礎(chǔ)上進(jìn)行擴(kuò)展,著

重介紹在測(cè)量數(shù)據(jù)處理實(shí)踐中一些常用的近代平差方法及其相應(yīng)的誤差理論知

識(shí)。本課程是《誤差理論與測(cè)量平差基礎(chǔ)》的后續(xù)課程,故本課程取名為高等測(cè)

量平差。

本課程內(nèi)容的選取,主要考慮培養(yǎng)測(cè)繪工程專(zhuān)業(yè)本科生這一層次所必須掌握

的平差理論知識(shí)的要求,同時(shí)也兼顧后續(xù)專(zhuān)業(yè)課教學(xué)的需求。為此,本課程主要

內(nèi)容為:

1、平差模型的統(tǒng)計(jì)假設(shè)檢驗(yàn)。介紹測(cè)量平差中常用的假設(shè)檢驗(yàn)統(tǒng)計(jì)量及

其各種假設(shè)檢驗(yàn)方法。

2、回歸分析理論和方法。介紹回歸分析在測(cè)量數(shù)據(jù)處理中的應(yīng)用以及各

種常用模型的回歸分析方法。

3、秩虧自由網(wǎng)平差理論與方法。介紹廣義逆矩陣以及測(cè)量中常用的秩虧

自由網(wǎng)平差的各種方法。

4、穩(wěn)健估計(jì)理論和方法。介紹穩(wěn)健估計(jì)原理、選全迭代揭發(fā)、以及針對(duì)

處理粗差的幾種常用抗查最小二乘法。

5、非線(xiàn)性模型的平差理論和方法。介紹非線(xiàn)性最小二乘估計(jì)原理、算法

和估計(jì)量的統(tǒng)計(jì)性質(zhì)。

第二章統(tǒng)計(jì)假設(shè)檢驗(yàn)

測(cè)量數(shù)據(jù)處理的主要內(nèi)容之一是根據(jù)觀測(cè)數(shù)據(jù)做出統(tǒng)計(jì)推斷。統(tǒng)計(jì)推斷分為參數(shù)估計(jì)和假設(shè)

檢驗(yàn),我們所熟悉的測(cè)量平差就屬于參數(shù)平差的范疇。假設(shè)檢驗(yàn)則是根據(jù)樣本來(lái)查明總體是

否服從某個(gè)特定的概率分布。因?yàn)榧僭O(shè)檢驗(yàn)與概率分布有關(guān),故先介紹幾種常用的抽樣分布。

一、兒種常用的抽樣分布

1、正態(tài)分布

設(shè)平差系統(tǒng)觀測(cè)向量為L(zhǎng)=[乙???LJ,其中b;),真誤差△,=2一4

n1

的期望E(AJ=O,參數(shù)向量為N=K…通過(guò)平差計(jì)算,可獲得其中參數(shù)占的

估值£,并可表示為觀測(cè)值的線(xiàn)性函數(shù)

X=a,1L,+<z,2L,+???+ainLn=L

a'=<??即],按誤差傳播定律得crj.=Q%

由于戈,.是正態(tài)變量4的線(xiàn)性函數(shù),戈,~N(X,,W)。

對(duì)正態(tài)變量戈,.標(biāo)準(zhǔn)化

文「X,

u=--------L

外,

因?yàn)?/p>

E(u)—后(文).~-o,er:=(o■:+0)=1>

所以

M~N(0,1)為標(biāo)準(zhǔn)正態(tài)變量。

L

P<-ua<---------<ua>=\-a

I0■兄.5,

有標(biāo)準(zhǔn)正態(tài)分布表終可查得

a0.31730.100.050.04550.010.00270.001

ua1.01.6451.962.02.5763.03.29

2

有正態(tài)分布引出下列三種分布

2,%2分布統(tǒng)計(jì)量

在平差系統(tǒng)中,殘差平方和V’PV是個(gè)重要的統(tǒng)計(jì)量,在平差參數(shù)估計(jì)和假設(shè)檢驗(yàn)

中往往要用到,為此,要了解其概率分布。

已知統(tǒng)計(jì)數(shù)學(xué)中的二次型分布定理為:

設(shè)X~N(u,E),例為對(duì)稱(chēng)陣,且有為基等陣,則二次型X,MX服從非中心化

的%2分布:XTMX-x\R^M),uTMu)

I~N(6X,b;0),MZ==PQVV,PQVVPQVV=PQw為幕等陣,

b()

V1py

所以——~/2(/?(M),(5X)rMBX)

R(M)=nT

九=(BX)TMBX=0

VTPV

-z2(/)-f=n-t

T

,2VPV

P\X<——<z|?=1-a

2%3,

3、t分布統(tǒng)計(jì)量

定義:隨機(jī)變量x、Y相互獨(dú)立,X~N(O,I),y~z2(/),

X

t-i--------~,(/),

y/yTf

前面標(biāo)準(zhǔn)正態(tài)統(tǒng)計(jì)量

O■。為母體單位權(quán)標(biāo)準(zhǔn)差,在實(shí)際問(wèn)題中經(jīng)常是未知的,

X1-X

概率表達(dá)式為P\-ta<―----<fa5=1-a

II6。匹IJ

4、F分布統(tǒng)計(jì)量

2

定義:隨機(jī)變量X、Y相互獨(dú)立,X~%2(〃j,Y~X(n2),

F=3

Y/n2

p["5bo”5J=1-a

二、統(tǒng)計(jì)檢驗(yàn)常用方法

統(tǒng)計(jì)檢驗(yàn)是根據(jù)樣本來(lái)查明總體是否服從某個(gè)特定的概率分布

(1)首先對(duì)母體概率分布作出陳述(即假設(shè));

(2)根據(jù)從該母體中抽出的樣本來(lái)判斷是否與前陳述一致(即檢驗(yàn))

(3)通過(guò)檢驗(yàn)來(lái)決定是接受還是拒絕假設(shè).

某基線(xiàn)場(chǎng)設(shè)置的基線(xiàn),經(jīng)精密測(cè)定,其長(zhǎng)度為L(zhǎng)o=12OO.252m,為了檢驗(yàn)兩臺(tái)測(cè)距儀的精度,

分別用兩臺(tái)儀器對(duì)該基線(xiàn)各復(fù)測(cè)25測(cè)回,得平均長(zhǎng)度L=12()0.264m,L2=1200.249m。

已知兩臺(tái)儀器的觀測(cè)精度相同,每測(cè)回的標(biāo)準(zhǔn)差均為0.015m,試用顯著水平0.05檢驗(yàn)則兩

個(gè)平均長(zhǎng)度和基線(xiàn)長(zhǎng)度的差別是否完全有觀測(cè)的隨機(jī)性而引起的。

設(shè)某廠(chǎng)生產(chǎn),種燈管,其壽命服從N(u,40000),從過(guò)去情況看,燈管平均壽命為1500小時(shí),

現(xiàn)采用新工藝后,從新產(chǎn)品中抽出16個(gè),測(cè)得平均壽命為1675小時(shí),問(wèn)新產(chǎn)品的壽命是否

有顯著提高?(顯著水平為0.05)

設(shè)有2人觀測(cè)某地緯度,已知此二人觀測(cè)緯度一次的中誤差為0.63秒,現(xiàn)在甲觀測(cè)該地緯

度12次,得平均值秒數(shù)為1.20秒,乙觀測(cè)該地緯度8次,得平均值秒數(shù)為1.15秒,問(wèn)他們

所得結(jié)果的差異是否顯著?(顯著水平為0.05)

二、統(tǒng)計(jì)假設(shè)檢驗(yàn)的概念

1.接受域與拒絕域

統(tǒng)計(jì)假設(shè)檢驗(yàn)所解決的問(wèn)題,就是根據(jù)觀測(cè)樣本,通過(guò)檢驗(yàn)來(lái)判斷母體分布是否具有指定的

特征。在這里,我們通過(guò)對(duì)改正數(shù)的檢驗(yàn),構(gòu)造統(tǒng)計(jì)量,在所作的假設(shè)下,判斷是否有模型

誤差。例如,統(tǒng)計(jì)量(4-3-6)式是在平差模型不存在粗差即E(匕)=0的假設(shè)下得出的,此

時(shí)的統(tǒng)計(jì)檢驗(yàn)在于將標(biāo)準(zhǔn)化殘差W,與所選定的臨界值卬區(qū)進(jìn)行比較,叱的置信區(qū)間為

2

-'

P<-wa<<wa>=l-a(4-3-9)

.22.

P<|w-|<wa>=\-a(4-3-10)

、五

上式中,-Wq,卬q是區(qū)間的上下限,其數(shù)值可根據(jù)給定的。從正態(tài)分布表中查得。

2~2

這就是說(shuō),當(dāng)我們作了假設(shè)E(匕)=0。為了檢驗(yàn)這一假設(shè)是否成立,計(jì)算統(tǒng)計(jì)量

IvJ、一、一,

vv.=—J——,使(4-3-10)式成立,那么,就表不明是落在(-w,w)區(qū)間內(nèi),在

叵22

這種情況下,沒(méi)有理由否定原先所作的石(匕)=0假設(shè),即接受原假設(shè),通常將區(qū)間(?2,

2

卬里)稱(chēng)之為接受域。反之,如果計(jì)算結(jié)果明>叩名或VWg,就表示概率很小的事件居然

發(fā)生了。根據(jù)小概率事件在一次實(shí)驗(yàn)中不可能出現(xiàn)的原理,就有足夠的理由否定原來(lái)所做的

E(匕)=0假設(shè),即應(yīng)拒絕原假設(shè)E(匕)=0,而認(rèn)為石(匕)W0。。通常將(-卬。,w0)

2~2

區(qū)間以外的范圍稱(chēng)之為拒絕域(圖4-4)。

2、原假設(shè)與備選假設(shè)

由以上所述可見(jiàn),當(dāng)需要根據(jù)子樣信息來(lái)判斷母體分布是否具有指定的特征時(shí),總是

先作一.個(gè)假設(shè),稱(chēng)為原假設(shè)(或零假設(shè)),記為4.。然后,找一個(gè)適當(dāng)?shù)那移浞植紴橐阎?/p>

的統(tǒng)計(jì)量,確定該統(tǒng)計(jì)量經(jīng)常出現(xiàn)的區(qū)間,使統(tǒng)計(jì)量落入此區(qū)間的概率接近于1,如果由抽

樣的結(jié)果計(jì)算出的統(tǒng)計(jì)量的數(shù)值不落在這一經(jīng)常出現(xiàn)的區(qū)間內(nèi),那就表示小概率事件發(fā)生

了,則應(yīng)拒絕原假設(shè)"°,當(dāng)"°遭到拒絕,相當(dāng)于接受了另一個(gè)假設(shè),稱(chēng)為備選假設(shè),記

為小。因此,假設(shè)檢驗(yàn)實(shí)際上就是要在原假設(shè)與備選假設(shè)之間做出選擇。

3、顯著(性)水平

接受域和拒絕域的范圍大小是與我們所給定的a值大小有關(guān)的,a值愈大,則拒絕域

愈大,被拒絕的機(jī)會(huì)就愈大,a的大小通常應(yīng)根據(jù)問(wèn)題的性質(zhì)來(lái)選定,當(dāng)不應(yīng)輕易拒絕原

假設(shè)”o時(shí),應(yīng)選擇較小的a,一-般使用的a值可以是0.04、0.01等。

對(duì)于上述統(tǒng)計(jì)量而言,當(dāng)帆卜」工>卬〃時(shí),則稱(chēng)匕與0的差異是顯著的,反之,則

九2

稱(chēng)匕與0之間的差異不顯著。因此,數(shù)a稱(chēng)之為檢驗(yàn)的顯著(性)水平,上述的假設(shè)檢驗(yàn)問(wèn)

題通常敘述成:在顯著水平a下,檢驗(yàn)假設(shè)“o:E(匕);/:E(匕)=0。

4、單、雙尾檢驗(yàn)法

上述假設(shè)檢驗(yàn)的例子,是將拒絕域布置在統(tǒng)計(jì)量分布密度曲線(xiàn)兩端的尾巴上,這

種檢驗(yàn)稱(chēng)為雙尾檢驗(yàn)法;有時(shí)根據(jù)實(shí)際情況,需要判斷母體均值是否增大了,即檢驗(yàn)假設(shè)

HQ:〃=E(x);乩:fj>E(x)

為了進(jìn)行這樣的假設(shè)檢驗(yàn),只要將a布置在右尾上。如需檢驗(yàn)假設(shè)

Ho:〃=E(x);H]:/J<£(x)

則將a布置在左尾上,這樣的檢驗(yàn)方法稱(chēng)為單尾檢驗(yàn)法。

5、棄真與納偽的概率

假設(shè)檢驗(yàn)是以小概率事件在一次實(shí)驗(yàn)中實(shí)際上是不可能發(fā)生的這一前提為依據(jù)的。必

須指出,小概率事件雖然其出現(xiàn)的概率很小,但并不是說(shuō)這種事件就完全不可能發(fā)生。事實(shí)

上,如果我們重復(fù)抽取許多組子樣,由于抽樣的隨機(jī)性,由此算得的統(tǒng)計(jì)量數(shù)值也具有隨機(jī)

性。若檢驗(yàn)的顯著水平a定為0.05,那么,即使原假設(shè)“°是真的,其中仍約有5%的計(jì)算

數(shù)值將會(huì)落入拒絕域中。由此可見(jiàn),進(jìn)行任何假設(shè)檢驗(yàn)總是有做出不正確判斷的可能性,不

可能絕對(duì)不犯錯(cuò)誤,當(dāng)"o為真而遭到拒絕的錯(cuò)誤稱(chēng)為犯第一類(lèi)錯(cuò)誤,也稱(chēng)為棄真錯(cuò)誤,犯

棄真錯(cuò)誤的概率是a。同樣地,當(dāng)〃。為不真時(shí),我們也有可能接受"o,這種錯(cuò)誤稱(chēng)為犯

第二類(lèi)錯(cuò)誤,也稱(chēng)為納偽錯(cuò)誤。犯納偽錯(cuò)誤的概率為夕(見(jiàn)圖4-6)。

例4-3子樣均值x的抽樣分布是正態(tài)的,均值為片,中誤差a*=2。

原假設(shè)"°:4=0,備選假設(shè)^0表4-3置信度a與臨界值VV&的關(guān)系

2

選定顯著水平a=0.05,查正態(tài)分布表4-3得卬〃=1.96

a

~2

原假設(shè)為真時(shí),確定檢驗(yàn)統(tǒng)計(jì)量卬=±互=七9

0.051.96

22

0.012.57

根據(jù)(4-3-10)式,有接受域P兇<x2=3.92?=l-a0.0013.29

和拒絕域(見(jiàn)圖4-5).

此時(shí),當(dāng)“。為真時(shí)而遭到拒絕,稱(chēng)為犯第一類(lèi)錯(cuò)誤,也稱(chēng)

圖4-5接受域與拒絕域圖4-6犯納偽錯(cuò)誤的概率

若備選假設(shè)為真時(shí),如J=2,亦即“0為偽,則X的分布實(shí)為N(2,2),見(jiàn)圖4-6。

如x的觀測(cè)值落在拒絕域中,我們拒絕“。,這是正確的,如x的觀測(cè)值落在接受域中,使

我們作出錯(cuò)誤的判斷,認(rèn)為%為真,這就犯了第二類(lèi)錯(cuò)誤(納偽/),期率/是圖6-6

中當(dāng)"i為真時(shí)接受域范圍內(nèi)密度曲線(xiàn)下的面積。,值的計(jì)算:將±3.92標(biāo)準(zhǔn)化得

嗎=]_(—3.92—2)=—2.96,

w2(3.92-2)=+0.96

查正態(tài)分布表得①(卬J=0.0015,①(卬2)=0.8314

則£=0)(^2)—①(嗎)=0.830

6、檢驗(yàn)功效

在上例中,作出錯(cuò)誤的判斷(納偽)的概率為0.83,作出正確判斷(棄偽)的概率為

1-^=0.170?如果重復(fù)抽取許多組子樣,其中將有83%使我們犯第二類(lèi)錯(cuò)誤,有17%使

我們作出正確的判斷,這種作出正確判斷的概率稱(chēng)為檢驗(yàn)功效,其概率為1-尸。

根據(jù)以上所述,將假設(shè)檢驗(yàn)的四種可能性列于表4-4中。

表4-4假設(shè)檢驗(yàn)的四利『可能性

現(xiàn)象判斷結(jié)果概率

接受正確\-a

也為真

拒絕第一類(lèi)錯(cuò)誤(棄真)a

接受第二類(lèi)錯(cuò)誤(納偽)

”o為不真B

拒絕正確

為真)\-/3(檢驗(yàn)功效)

對(duì)于一個(gè)檢驗(yàn)問(wèn)題,總希望棄真概率a和納偽概率/均盡可能的小,但這是做不到的,

從圖4-6和表4-3可以看出,a減小,£就跟著增大。通常認(rèn)為棄真的錯(cuò)誤較之納偽的錯(cuò)誤

更為嚴(yán)重,因此,總是先控制a,例如,根據(jù)問(wèn)題的性質(zhì),選用a為0.05、0.01或0.001

等,然后,在不改變a的前提下,盡可能使減小,即使檢驗(yàn)功效1-夕增大。檢驗(yàn)功效代

表為某?數(shù)值的粗差被正確發(fā)現(xiàn)的概率。

第三章回歸模型的參數(shù)估計(jì)與假設(shè)檢驗(yàn)

§3-1概述

在測(cè)量數(shù)據(jù)處理中,經(jīng)常遇到要研究變量與變量之間的關(guān)系。變量之間的關(guān)系一般可分

為兩類(lèi)。一類(lèi)是變量之間具有確定性關(guān)系,稱(chēng)為函數(shù)相關(guān)。例如矩形面積S與其兩邊a、b

之間存在確定性關(guān)系為s=ab;一個(gè)平面三角形的一個(gè)內(nèi)角7與其它兩個(gè)內(nèi)角。、,之間關(guān)

系為y=180°-0-/;兩點(diǎn)間的縱坐標(biāo)增量Ac等于邊長(zhǎng)S乘以方位角。的余弦,即

Ax=scosa等,這些變量之間可用一個(gè)確定的函數(shù)模型表達(dá)。在我們學(xué)過(guò)的《誤差理論與

測(cè)量平差基礎(chǔ)》課程中,所討論的大多是這種確定性的函數(shù)模型。另一類(lèi)是變量之間并不存

在確定的函數(shù)關(guān)系,而是存在所謂相關(guān)關(guān)系,或者說(shuō)是統(tǒng)計(jì)上的相關(guān)關(guān)系,稱(chēng)為統(tǒng)計(jì)相關(guān)。

例如,每年春季氣溫與降雨量,人的高度與體重之間就存在著統(tǒng)計(jì)相關(guān)。這種現(xiàn)象在測(cè)繪學(xué)

中也大量存在。例如測(cè)距結(jié)果與儀器中電子線(xiàn)路受固定的干擾信號(hào)引起誤差之間;重力測(cè)量

結(jié)果與氣壓、溫度、地下水等因素之間;海平面變化與氣象、海洋天文因素之間;斷層位移

與斷層活動(dòng)趨勢(shì)、氣溫、地溫、蒸發(fā)、降雨量之間等等都是這種現(xiàn)象。這種統(tǒng)計(jì)相關(guān)的特點(diǎn)

是,它們之間既存在著一定的制約關(guān)系,又不能由一個(gè)(或幾個(gè))變量數(shù)值精確地求出另一

個(gè)變量的值來(lái),由變量之間統(tǒng)計(jì)相關(guān)所建立的函數(shù)模型稱(chēng)為回歸模型。

回歸分析方法是研究相關(guān)關(guān)系的一種有力的數(shù)學(xué)工具。它是建立在對(duì)客觀事物進(jìn)行大量

實(shí)驗(yàn)和觀測(cè)的基礎(chǔ)上,尋找隱藏在不確定性關(guān)系后面的統(tǒng)計(jì)性規(guī)律的數(shù)理統(tǒng)計(jì)方法。

在進(jìn)行回歸分析時(shí),將研究相關(guān)關(guān)系的各變量分為自變量和因變量,例如因變量y隨著

m個(gè)自變量芯,々…,x,“而變化,y是正態(tài)分布的隨機(jī)量,觀測(cè)數(shù)據(jù)(?,…X"”)

(i=l,2…〃),稱(chēng)為樣本,如果因變量與自變量之間的關(guān)系為線(xiàn)性的,稱(chēng)為線(xiàn)性回歸模型,

否則,就稱(chēng)為非線(xiàn)性回歸模型。在線(xiàn)性回歸模型中,若自變量x的個(gè)數(shù)只有一個(gè)稱(chēng)為一元線(xiàn)

性回歸模型,自變量x的個(gè)數(shù)大于一個(gè),稱(chēng)為多元線(xiàn)性回歸模型.回歸分析主要研究的問(wèn)題

是:

(1)如何根據(jù)樣本(y^xu,x2i,---xmi)?(i=1,2…〃)建立回歸模型;

(2)如何估計(jì)回歸模型參數(shù):

(3)如何檢驗(yàn)?zāi)P蛥?shù)的顯著性;

(4)如何利用回歸方程進(jìn)行預(yù)報(bào)和控制。

§3-2線(xiàn)性回歸模型

設(shè)一個(gè)隨機(jī)變量y與m個(gè)自變量X1,4,…之間存在線(xiàn)性形式的統(tǒng)計(jì)相關(guān)關(guān)系,因?yàn)?/p>

它們并不是確定的函數(shù)關(guān)系,即使給定了修,々,/之值也不唯一決定y值,因此它們之

間的表達(dá)式應(yīng)寫(xiě)成

y=A)+4匹+42了2+…+凡,x,“+£(3-2-1)

式中£是隨機(jī)誤差,它是N(0變量,即£的期望£(£)=0,方差。(£)=〃。領(lǐng)

40=1,2…機(jī)),稱(chēng)為回歸方程的系數(shù)。

取(3-2-1)式的期望和方差

E(y)=0[X[+設(shè)2+…+仇(3-2-2)

O(y)=O(£)=/(3-2-3)

(3-2-2)式說(shuō)明片+川*+夕2々+…+&x,“是再,々…,x,“對(duì)y的平均影響,隨機(jī)變量

y~N(E(y)/)。

(3-2-1)式是線(xiàn)性回歸模型,(3-2-2)式是線(xiàn)性回歸理論模型。

為了估計(jì)模型參數(shù),需要對(duì)變量進(jìn)行n次觀測(cè),得n組觀測(cè)數(shù)據(jù)(yt,xu,xv,---xmi)

(z=1,2,???,?),代入方程(3-2-1)有n個(gè)方程。

y(=片+占應(yīng)+x2a2+,,'+X""£"+與('=1,2,“.,”)(3-2-4)

其矩陣形式為

Y=Xp+£(3-2-5)

n\ntn+1/n+|jn1

這是回歸參數(shù)估計(jì)的函數(shù)模型,其隨機(jī)模型為

D(s)=a2I(3-2-6)

nn

式中I為單位陣。Y為觀測(cè)值向量,力為待求的參數(shù)向量。

當(dāng)觀測(cè)數(shù)〃〉(m+1)時(shí),可用最小二乘原則估計(jì)參數(shù)/,設(shè)其估值為力,代入(3-2-2)

式可得E(y)的估值即

§=儲(chǔ)+8\X[+隈?+…+(327)

稱(chēng)為線(xiàn)性回歸方程,給定一組數(shù)(番,》2…七”)由上式求出9稱(chēng)為預(yù)報(bào)值。

如果將回歸參數(shù)估計(jì)的函數(shù)模型(3-2-5)和隨機(jī)模型(3-2-6)與測(cè)量中間接平差

函數(shù)模型和隨機(jī)模型相比較,可以看出,在不考慮模型物理性質(zhì)前提下,兩者的參數(shù)最

小二乘估計(jì)模型形式完全一致,從這個(gè)意義上來(lái)說(shuō),線(xiàn)性回歸模型的參數(shù)估計(jì)也可看成

是一種等權(quán)觀測(cè)的間接平差問(wèn)題。因此,我們學(xué)過(guò)的間接平差理論和方法完全可以用于

回歸模型的參數(shù)估計(jì)。

§3-3回歸參數(shù)的最小二乘估計(jì)

一、一元線(xiàn)性回歸參數(shù)估計(jì)

先以一個(gè)例子說(shuō)明一元線(xiàn)性回歸問(wèn)題。

例3-1,某水電站為了監(jiān)測(cè)和預(yù)報(bào)庫(kù)水位和大壩壩基沉陷量之間的關(guān)系,統(tǒng)計(jì)了某

年12個(gè)月的月平均庫(kù)水位和沉陷量的數(shù)據(jù)如表3-1所示,試分析庫(kù)水位與壩基沉陷量之

間的關(guān)系。

表3-1觀測(cè)數(shù)據(jù)

庫(kù)水位沉陷量庫(kù)水位沉陷量

編號(hào)編號(hào)

(m)(mm)(m)(mm)

1102.714-1.967135.046-5.46

295.154-1.888140.373-5.69

3114.364-3.969144.958-3.94

4120.170-3.3110141.011-5.82

5126.630-4.9411130.308-4.18

6129.393-5.6912121.234-2.90

現(xiàn)以X軸表示庫(kù)水位,以Y軸表示大壩壩基沉陷量,作散點(diǎn)圖(圖3-1)由圖認(rèn)

為,這些散點(diǎn)的分布可用一條直線(xiàn)方程表示,即

50蹙150200

y=0o+Ax,這是一元回歸分析問(wèn)題。-2

-1

-6

-8

3-1

下面闡述參數(shù)估計(jì)原理。

為了估計(jì)參數(shù)為、四,設(shè)對(duì)y進(jìn)行n次獨(dú)立觀測(cè)(x,x,),有

yi=&+4玉+弓(i=l,2…〃)(3-3-1)

這是一元回歸參數(shù)估計(jì)的函數(shù)模型,相應(yīng)的理論模型為

E(y)=0o+0內(nèi)(3-3-2)

在回歸分析中,假定自變量七是非隨機(jī)變量,且沒(méi)有測(cè)量誤差,這就使我們研究的

問(wèn)題大大簡(jiǎn)化,令

丫=[月為…y』,£=k&…£」,

1

Y1%2

A=,pR=

??????B、

Jx?_

則(3-3-1)式可寫(xiě)成矩陣形式:

Y=X/3+£(3-3-3)

設(shè)V為誤差£的負(fù)估值,稱(chēng)為Y的改正數(shù)或殘差,成為回歸參數(shù)夕的估值,

則有誤差方程

V=Xp-Y(3-3-4)

根據(jù)最小二乘原理VrV=min,對(duì)求自由極值,得

T

dVV=2萬(wàn)r土dv=2LrX=0,

dp明

XW=0

將誤差方程(3-3-4)代入上式,即得法方程為

XTXfi=XTY(3-3-5)

式中

Z

Z

E

T

T

Xy

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論