- •9.5. Допуски для функций
- •Оценка результатов наблюдений
- •Техника нахождения оценки
- •Вектор-функция случайного вектора
- •Вычисление значения оценки
- •9.3. Вес функции измеренных величин
- •9.4 Определение доверительного интервала для математического ожидания, дисперсии и стандарта функции случайного вектора
- •Доверительный интервал дисперсии (стандарта) функции
- •9.5. Допуски для функций
- •9.6 Оценка результатов наблюдений
- •9.6. А. Обработка равноточных измерений
- •9. 6.Б. Обработка прямых неравноточных измерений
- •9.5. В. Обработка неравноточных коррелированных измерений
Техника нахождения оценки
Итак, распишем стандартную последовательность действий для получения формулы расчета дисперсии (СКО) функции.
Дана функция . Пусть это будет известное соотношение . Поступаем так.
1. Смотрим, линейна ли функция в данном диапазоне изменений (приближенно подсчитываем). Например, в диапазоне точности измерений(функция есть отрезок прямой в этом диапазоне). Если линейна в пределах предполагаемой оценки точностиSy , то идем дальше, иначе нужно сузить диапазон (уменьшить Sx) или принять во внимание, что полученная оценка будет грубой.
2. Дифференцируем функцию по тем переменным, которые измерены, и для которых известна оценка точности S. Перед дифференцированием, для упрощения, целесообразно функцию прологарифмировать (даже если в ней будут суммы).
Например,
и Логарифмирование приводит к относительным приращением, что упрощает искомую формулу.
Получаем дифференциал
Для логарифма функции дифференциал будет
Рассматриваем дифференциалы как погрешности измерений, настолько малые, что влияние их на значение соответствующих производных не превышает 10% от значения производной, (т.е. производная, вычисленная в точке Х отличается от вычисленной в точках X±S менее, чем на 10%). Т.е. функция на этом участке близка к линейной.
3. Так как дисперсия , то возводим этот дифференциал в квадрат:
Для нашего примера
4. Взяв математические ожидания обеих частей, переходим к дисперсиям. Учитывая, что , получаем формулу для вычисления искомой оценки дисперсии Sy2: ,
или,где R – матрица коэффициентов корреляции - аргументовxi и xj. Для нашего примера.
Если известно, что между какой-либо парой аргументов корреляции нет, т.е. , то соответствующий член формулыисключается. Положим, что корреляция между ошибками определения высотыH и измерения продольных параллаксов р и их разностей р отсутствует (rHp=0 и rHp=0, но rpp= 0 ). Тогда дисперсия превышения .
Для оценки стандарта (С.К.О.) достаточно извлечь корень квадратный из вычисленного по этой формуле значения.
Итак, если функцию вектора Х на участке распределения можно отождествить с прямой, то ее оценки уср и Sy2 вычисляются по (9.1) и (9.2). При последующей обработке можно считать эти оценки функции результатом прямого измерения величины У. Это очень важно, ибо теперь мы можем оценивать другие функции, аргументом которых выступает этот y с его оценкой рассеяния, а о векторе Х можно забыть. Оценив У, мы тем самым перешли к новой СВ.
Такой подход упрощает математическую обработку измерений. Ибо в качестве прямых измерений можем принимать длины отрезков, координаты точек снимков и другие линейные функции прямых измерений (например, ЭВОС). Однако, в любом случае необходимо найти обе оценки, уср и Sy2, этих функций, а не только yср .
Если одновременно оцениваем несколько функций у (например, элементы взаимного ориентирования), то они составляют вектор функций Y. Тогда нужно найти еще и коррелированность этих функций Y.
Следовательно, для вектора функций Y нужны вектор Уср и ковариационная матрица Ку (или ).