误差理论与测量平差第二章.pptVIP

第二章 误差分布与精度指标 山东交通学院土木系 误差理论与测量平差基础课件 §2 误差分布与精度指标 推广之，如果有随机变量两两相互独立，则有: 四、相关系数 由式（1-5-1）得： 当X和Y相互独立时： 当X和Y相互独立时，X和Y的协方差为零。但是，逆命题却不一定成立，即协方差为零并不意味着X和Y相互独立。只有当X和Y服从联合正态分布时，协方差为零才是相互独立的充分条件。因此，对于服从正态分布的观测值，协方差为零和相互独立是等价条件。 概率论中的正态分布是误差理论与测量平差基础中随机变量的基本分布。 一、一维正态分布 §2-5 精度、准确度与精确度 一、精度 精度是指误差分布的密集或离散的程度。 根据中误差定义，精度也表示观测结果与其数学期望的接近程度。当观测仅含有偶然误差时，其数学期望就是真值。既精度描述了观测序列与真实值的接近程度，表征了观测结果的偶然误差大小程度，是衡量偶然误差大小程度的指标。 精度的概念也适用于多位分布，对于多位随机变量，精度的指标就是方差-协方差阵。 1、协方差的定义和概念 1 协方差 协方差是用数学期望来定义的。设有观测值X和Y，它们的协方差定义是： （1-5-1） （1-5-2） 式中： 和 分别是X和 Y 的真误差。 设 是 观测值的真误差， 是 观测值的真误差，而 协方差则是这两种真误差所有可能取值的乘积的理论平均值，即 实用上n总是有限值，所以也只能求得它的估值，记为 （1-5-3） 2 ．相关 由式（1-5-1）得： 当X和Y相互独立时： 当X和Y相互独立时，X和Y的协方差为零。但是，逆命题却不一定成立，即协方差为零并不意味着X和Y相互独立。只有当X和Y服从联合正态分布时，协方差为零才是相互独立的充分条件。因此，对于服从正态分布的观测值，协方差为零和相互独立是等价条件。 如果协方差为零，表示这两个（或两组）观测值的误差之间互不影响，或者说，它们的误差是不相关的，并称这些观测值为不相关观测值；如果协方差不为零，则表示它们的误差之间是相关的，称这些观测值是相关观测值。由于在测量上所涉及的观测值和观测误差都是服从正态分布的随机变量，对于正态随机变量而言，“不相关”与“独立”是等价的，所以把不相关观测值也称为独立观测值，同样把相关观测值也称为不独立观测值。 在测量工作中，直接观测得到的高差、距离、角度、方向和三角高程测量求得的高差等，都认为是独立观测值。一般来说，独立观测值的各个函数之间是不独立的，或者说是相关的，因而它们是相关观测值。例如，当一个测站上的水平方向观测值是独立观测值时，由这些方向值所算得的相邻角度就是相关观测值；又如，三角网或导线网中根据观测角度和边长求得的各点的坐标也是相关观测值。 通过变换将随机变量标准化，则两个标准化变量乘积的数学期望就是一个无量纲的数，称之为相关系数： （1-5-4） 由于 和 为正，所以 的正负取决于 的正负。 大于零称为正相关， 小于零称为负相关， 等于零称为不相关。可以证明， 的绝对值不大于1。 3 ．协方差与协方差阵 假定有n个不同精度的相关观测值 下同），它们的数学期望和方差分别为 ，它们两两之间的协方差为 ,用矩阵表示为: 1-5-5 式中X为观测值向量，简称为观测值； 为X的数学期望； 为观测值 向量X的方差-协方差阵，简称为协方差阵。 设有观测值向量 和 ,它们的数学期望分别为 和 。 令： ；则的方差阵为： 式中和分别为X和Y的协方差阵，是X关于Y的互协方差阵。 （1-5-6） （1-5-7） 当X和Y的维数 时，即X、Y都是一个观测值，互协方差阵就是X关于Y的协方差。当 时，则称X与Y是相互独立的观测值向量。 二、准确度 概念：又名准度，是指随机变量X的真值 与其数学期望E（X）之差 三、精确度 概念：是精度与准确度的合成，是指观测结果与其真值的接近程度，包括观测结果与其数学期望接近程度与其真值的偏差。因此，精确度反应了偶然误差和系统误差联合影响的大小程度。 当观测值不存在系统误差时，精确度即精度，精确度是一个全面衡量观测质量的指标。 衡量精确度的指标为均方误差。 §2-6 测量不确定度 协方差传播律是研究函数与自变量之间的协方差运算规律。 描述观测值方差与观测值函数方差之间的关系式。 例如，图中A和B为已知点，为了确定P的平面坐标，观测了边长s和角度β。 P点坐标为： 式中： 现在的问题是在已知观测边长s和角度β的方差和协方差条件下，如何计算P点坐标的方差和协方差。 §3 协方差传播律及权 一、协方差与相关 1．协方差 协方差是用数学期望来定义的。设有观测值向量X和Y，它们的协方差定义是： 2. 相关 如果协方差为零，表示这两个（或两