- •Теория математической обработки геодезических измерений
- •1Теория погрешностей
- •Обработка и анализ измерений одной величины
- •Моделирование погрешностей измерений
- •Скп функции измеренных величин
- •Вес функции некоррелированных измерений
- •Обработка ряда прямых, некоррелированных, равноточных измерений одной величины.
- •Обработка ряда прямых, некоррелированных, неравноточных измерений одной величины.
- •Дополнительные вопросы обработки рядов измерений одной величины.
Теория математической обработки геодезических измерений
1Теория погрешностей
-
Обработка и анализ измерений одной величины
-
Моделирование погрешностей измерений
-
Пусть X – истинное значение измеряемой величины, остающееся неизменным в процессе измерений;
Х – случайная величина (СВ), представляющая собой вероятностную модель измерительной технологии;
xi – значение величины X, представляющее собой результат i-го измерения и являющееся элементом спектра СВ «X», т.е. ;
i = 1, 2, ... , n – индекс измерения;
n – количество измерений;
E(X) – математическое ожидание (МО) СВ «X»;
– дисперсия СВ «X».
В такой ситуации можно определить следующие погрешности измерений:
i = xi – X – истинная погрешность i-го измерения; (Т.1)
i = xi – E(X) – случайная погрешность i-го измерения; (Т.2)
= E(X) – X – постоянная погрешность технологии измерений. (Т.3)
Очевидно, что
i = i + , (Т.4)
т.е. истинная погрешность представляет собой сумму случайной и постоянной погрешностей.
Определения (Т.1) – (Т.4) иллюстрируются (Рис. Т.1) на совмещенных числовых осях X и (индекс «i» опущен):
0
| | | |
0 X E(X) x X
Рис. Т.1. Истинная, случайная и постоянная погрешности.
(Имеется только результат измерений «x» относительно известного начала 0.)
Представим основные числовые характеристики – математические ожидания (МО), дисперсии и начальные моменты второго порядка – каждого вида погрешностей, опираясь на определения (Т.1) – (Т.3) и известную связь между начальными и центральными моментами второго порядка ( = σ2 + 12):
Постоянная погрешность : E() = ; D() = 0; () = .
Случайная погрешность : E() = 0; D() = ; () = .
Истинная погрешность : E() = ; D() = ; ()= + .
Убедитесь в данных результатах в качестве Упражнения, помня что:
E() = ≡ 0; E(X) = , D(X) = , а (X) = + ()2.
Все приведённые числовые характеристики погрешностей связаны между собой так же, как и сами погрешности (Т.4):
E() = E() + E() = (Т.5)
D() = D() + D() = (Т.6)
() = () + () = + (Т.7)
Постоянная погрешность , будучи детерминированной величиной, не является объектом вероятностного моделирования. Её значения определяют из специальных исследований, а в среднее арифметическое результатов измерений вводят соответствующую поправку. Это – один путь учета влияния постоянных погрешностей. Другой путь борьбы с ними заключается в надлежащей организации технологии измерений, компенсирующей эти погрешности в окончательных результатах xi. Дело в том, что результат измерений xi обычно является функцией нескольких отсчетов (операций), по которым он вычисляется. Например, углы при геодезических и астрономических измерениях определяют при альтернативных положениях вертикального круга и на разных участках лимба. Если результаты xi не содержат постоянной погрешности, определяемой формулой (Т.3), т.е. = E(X) – X = 0, то
E(X) = X. (Т.8)
Выражение (Т.8) эквивалентно условию отсутствия постоянной погрешности в измерениях.
Специальные исследования, направленные на определение постоянной погрешности, могут представлять собой процедуру, подобную эталонированию. Эталон, согласно [РМГ 29–99] – это «средство измерений…, предназначенное для воспроизведения и (или) хранения единицы (физической величины) и передачи её размера … средствам измерений». Численно он представляет собой некоторую меру, значение которой известно с высокой степенью точности.
Обозначим числовое значение эталона как Y. Процедура эталонирования обычно заключается в измерении величины Y = const путём реализации некоторой технологии, вероятностная модель которой – это СВ «Y». В результате мы получаем выборку y1, y2, …, y k. Пусть эта выборка простая, т.е. не коррелированная и равноточная. Полагая, что выборка принадлежит генеральной совокупности (ГС) «Y», она же СВ «Y», мы можем оценить её МО. В курсе ТВ и МС показано, что оптимальной оценкой МО ГС «Y» по данным простой выборки является среднее арифметическое, представляющее собой состоятельную и несмещённую оценивающую функцию (ОФ) с минимальной дисперсией:
. (Т.9)
Разность между оценкой (Т.9) и значением эталона Y позволит оценить постоянную погрешность:
– Y. (Т.10)
Естественно, что должна быть проверена нулевая гипотеза о незначимости найденной постоянной погрешности
H0 = {E(Y) = Y } (Т.11)
против альтернативной
HA = {E(Y) ≠ Y }. (Т.12)
Нулевая гипотеза (Т.11) проверяется с помощью теста
tЭ = (–Y) / . (Т.13)
Здесь
, а . (Т.14)
Критическая область проверяемой гипотезы находится за пределами интервала tT = [tH; tB]. Нижняя tH и верхняя tB границы интервала – это квантили распределения Стьюдента, определяемые при (k – 1) степенях свободы на уровне значимости :
t H = t k-1;1-tB = t k-1;tH
Когда tЭ tT, нулевая гипотеза отвергается, т.е. постоянная ошибка δЭ признаётся значимой, то она должна вводиться в каждый очередной результат , с целью нахождения наиболее надёжного значения (ННЗ) X измеряемой величины X:
X = – δЭ. (Т.15)
В случае незначимости постоянной погрешности Э, ННЗ X величины X принимается равным СА . В такой ситуации истинная и случайная погрешности совпадают: .
Далее обратимся к случайным погрешностям и определим их основные свойства, полагая распределение этих погрешностей нормальным. Данное предположение основывается на том, что технологии геодезических измерений соответствуют условиям «Центральной предельной теоремы».
Нормальное распределение СВ «X» характеризуется двумя параметрами: a= E(X) и b = X. Для случайной погрешности = x – E(X) они будут равны следующим значениям:
aΔ = E() = 0 и bΔ = Δ = X. Тогда плотность нормальной случайной погрешности будет иметь вид:
f() =e . (Т.16)
Этой функции соответствует следующий график (рис.Т.2):
f(X) f()
P(> 0) = P( 0)
0
0 E(X) X
Рис. Т.2. Плотность распределения нормальной случайной погрешности.
Нормальную случайную погрешность можно стандартизировать и перейти к стандартному значению t случайной погрешности, вычисляемому по формуле:
t = X. (Т.17)
Уравнение плотности (Т.16) определяет, а Рис. Т.2 иллюстрирует основные свойства случайных погрешностей, распределенных по нормальному закону.
1. Случайные погрешности имеют нулевое МО (При любом законе распределения!):
E() = 0. (Т.18)
2. Положительные и отрицательные случайные погрешности равновероятны (Для симметричных распределений!):
P(> 0) = P( 0) = 1/2. (Т.19)
3. Малые по абсолютной величине случайные погрешности более вероятны, чем большие, т.е.:
P(0 < || < X) 0.68 > P(X < || <X) 0.27. (Т.20)
В последней формуле (Т.20) конкретные значения вероятностей 0,68 и 0,27 как раз и соответствуют нормальному распределению.
Наиболее распространённым и удобным обобщённым показателем точности или неопределённостью случайных погрешностей измерений чаще всего служит их средняя квадратическая погрешность (СКП) измерений, представляющая собой оценку стандарта измерений, который одновременно является стандартом случайных погрешностей:
. (Т.21)
Дополнительными показателями точности измерений, т.е. точности случайных погрешностей служат ещё две величины: средняя погрешность ϑX=[||] / n или ϑX =[|v|] / (n – 0,5), как оценка среднего отклонения, и срединная погрешность ρ=|n| или ρ=|vn|, как оценка срединного отклонения. При нормальном распределении случайных погрешностей между этими показателями и средней квадратической погрешностью существует функциональная зависимость:
ϑX ≈ 0,8 m или m ≈ 1,25 ϑX; (Т.22)
ρ ≈ ⅔ m или m ≈ 1,5 ρ. (Т.23)
Приведённые соотношения могут служить «быстрыми» критериями проверки гипотезы о нормальности распределения. Однако их мощность много ниже критериев Пирсона или Колмогорова-Смирнова. В связи со сказанным, было бы уместно рассматривать эти соотношения в качестве индикаторов нормальности.