- •Параметрическая версия мнк-оптимизации и оценки точности данных (Параметрический способ уравнивания)
- •Нахождение наиболее достоверных значений измеренных величин и параметров (Уравнивание).
- •Статистические свойства векторов-оценивателей алгоритма параметрической версии
- •Статистические свойства векторов-оценивателей параметрической версии мнк-оптимизации
- •Оценка точности измерений
- •Оценка точности уравненных параметров и функций от них
- •Ковариации a posteriori 9.Ковариации a posteriori
Статистические свойства векторов-оценивателей алгоритма параметрической версии
Для решения задачи оценки точности измерений необходимо предварительно рассмотреть некоторые теоретические аспекты, связанные с числовыми характеристиками промежуточных и окончательных значений случайных векторов, задействованных в алгоритме параметрической версии.
Числовые характеристики случайных векторов, реализующих алгоритм параметрической версии, – это их математические ожидания (МО) и ковариационные матрицы (КМ). Математические ожидания позволяют проверять гипотезу о несмещённости оценивающих функций (ОФ), каковыми являются полученные векторы алгоритма. Ковариационные матрицы содержат на диагоналях квадраты СКО компонентов векторов и позволяют судить об их точности. Получаемые данные сведены в Таблицу П.1.
Таблица П.1.
-
Вектор
Математические ожидания
Ковариационные матрица
1
2
3
4
1
yn1
E(y) = Y
Ky = K
2
xk1
E(x) = x
3
Хk1
E(Х) = Х
4
vn1
E(v) = 0
Kv = K
5
Ln1
E(L) = A*X
KL = K
6
Gk1
E(G) = N*X
KG = N
7
k1
E() = X
= N-1
8
n1
E() = 0
=K–AN-1AT
9
k1
E() = X
10
n1
E() = Y
Статистические свойства векторов-оценивателей параметрической версии мнк-оптимизации
Оценка точности измерений
Оценка точности измерений, как и прежде, заключается в нахождении апостериорного значения m2 МПТ:
, (K.28)
априорное значение которого s02 полагается равным единице, т.к. E(σ2) = 1:
. (K.29)
Вывод необходимой формулы вновь использует «след» квадратной матрицы и аналогичен выводу, сделанному в разделе «Коррелатная версия МНК-оптимизации геопространственных данных».
Выражения для истинных «v» и МНК-поправок «» к измерениям содержат одни и те же свободные члены «L»:
vn1 = Ank*xk1 – Ln1
. (П.20)
Соотношения (П.20) позволяют установить связь между этими поправками:
v = –A*(– x). (П.21)
Практически мы будем иметь лишь МНК-поправки к измерениям . Следовательно, можно будет вычислить лишь квадратичную форму , математическое ожидание которой и позволит оценить апостериорное значение показателя точности m2.
С помощью формулы (П.21) приходим к зависимости квадратичных форм:
vTK-1v = + (–x)T*ATK-1A*(–x).
Отсюда, учитывая, что ATK-1A = N, получаем обратную зависимость:
= vTK-1v – (–x)T*N*(–x). (П.22)
Поскольку квадратичная форма (П.22) является скаляром, то, используя свойства следа квадратной матрицы, мы получаем такой результат:
E() = E(tr()) = E(tr(vTK-1v)) – E(tr((–x)T*N*(–x))) =
=E(tr(vvTK-1)) – E(tr((–x)(–x)T*N)) = tr(E(vvT)K-1) – tr(E((–x)(–x)T)*N) =
=tr(Kn nKnn-1) – tr(KX*Nk k) = tr(In n) – tr(Nk k-1*Nk k) = tr(In n) – tr(Ik k) = n – k. (П.23)
Фактически апостериорное значение МПТ измерений будет оцениваться по той же формуле, что и в коррелатной версии, так как n – k = r:
. (П.24)
Естественно, что математическое ожидание m2 тождественно равно единице:
. (П.25)
Практически дробь (П.25) будет отличаться от единицы. Вновь, как это было сделано в коррелатной версии, проверяем на уровне значимости α нулевую гипотезу о равенстве параметра s2 его априорному значению:
. (П.26)
Технология проверки нулевой гипотезы (П.26) реализуется так, как это было выполнено в случае коррелатной версии с использованием того же теста
(П.27)
и той же квантили χ2-распределения с (n – k) степенями свободы:
, (П.28)
где
, а . (П.29)
Если cэ2 Ï cТ2, то нулевая гипотеза Н0 – отвергается.