有偏估计之病态的方程常用解法.ppt

第六章 有偏估计之一一病态方程的常用解法 1、截断奇异值法 2、正则化法 为什么要研究病态方程 当误差方程为病态时,即使观测数据服从正态分布,其最小二乘估值也 不理想,甚至很差,其方差虽然在线性无偏估值类中是最小,但方差的值却 很大,即平差精度很差,而且解相当的不稳定。 、矩阵的条件数 例:有方程组Ax=b,即 00011x2 其精确解为x 当常数项有微小变化时, 11001 12001其中△b= 0.000 方程组的解变为:y=x+Ax=b中 若系数阵A或常数项b的微小变化,会引起方程组的解x有巨大变化,则这种方程组称为 “病态方程组”。A称为病态矩阵。 在方程组Ax=b中,讨论 D)A非奇异,设正常,b有误差Mb,导致解有多大误 即A(x+△x)=b+Mb A=Ab A=b范数特性)=L 所以 2)设A、b均有误差时,解有多大误差? 即(A+△AXx+Ax)=b+△b 得解的相对误差为: IAA 定义 的作对非奇异A称乘A为矩的 条件数。它刻画了方程组的解对原始数据的敏感程度 当A为正定实对称矩阵时,(如法方程的哗),A阵的谱条件 数为 condA)-JALA 其中,A和分别是正定对称矩中最大和最小的特征值 不稳定被型:输入数据很小的误差会引起待估参数很大的误差,所以病态方程也是 不稳定模型。 解释:复共线性 复共线性,指的是平差参数之间具有近似相关关系,反映在 误差方程的设计矩阵上,就是列向量间的某些数据列可以由其余 的数据列近似(非精确)地线性表示。 就是指病态性 2、病态性程度的衡量方法 a、特征分析法 法矩阵N有多少个特征值很接近零,设计矩陶中就有多少 个复共线性关系。但狠接近于零”是一个很模莫糊的说法 通常的判断标准,N的特征值对中,0.时,可以认为不 在复共线性0.0520时,有弱复共线性01005时, 中等强度复共线性:≤00时,有严重的复共线性 b、条件数法 K=condN)-=.A 般认为10时没有复共线性:k100存在严重的复基线性系统 呈病态。这个指标是数据中心化标准化的提下得到的L但在测量 数据处理实际应用中,如GPS快速定位中,条件数致在0左右。所以 对上述准则应根据实青况修正取舍。 条件数法的缺点是不销判定设计矩阵B中有几个复共线性关系 CIVDP法 条件指标一一方差分解比方法。 、病态方程产生原因 4、病态方程最小二乘估值的性质 病态方程处理的观测值可以是正态分布,但其S估值并不理想,至很差 虽然LS估计的方差在线性无偏类估值中是最小,但数值却很大,并表现得 相当不稳定 数的估值质量 由均方误差公式 MA=k=-3(--()+1()可 y=)=听2 上式的条件为是真值的无偏估值,即,=0.而若法矩的最小特征 值较小,会导到环照很大,此时S估值不再题的一个良好估值了 用解病态方程法得到参数估值将不再是无偏值,即E()≠x 有偏估计实质:适当缴偏差里,部分,换取方差部分的减小 5、什么样的方程可能是病态的? 1)行列式的值很大或很小(如某些行、列近代相关) 2)元素间相差大数量级,且无规则 3)主元消去过程中出现小主元; 4)特征值相差大数量级。 人们根据已获取的观测数据和物理规律,列出的数学模型,当这些模型具有下述性质: 1、解存在 2、解唯 3、解稳定 则这个问题称为适定性问题。 不满足上面三个条件中的任意一个或多个。 不造问题,不适定问题通常是求方 1、病态方程的截断奇异值解法 奇异值分解技术 Singular Value Decomposintion Technique,简记svD法) 设有观测方程(式中测则值向量的权阵P已经单位化): AxeL+e A是设计矩阵,c是误差向量。得的最小二乘最小范数解为 A-AL A是A的广义逆。下面对A进行奇异值分解 (1)当mnkA)=p(p≤mi)时,对阵可分解为 A=U V 式中为半正定的对角阵;U、V均为正交矩阵。 ∑阵的分块形式为∑ 00 其中:D=dig{o,o p=R(A)≤min(,) 且G1202…≥0n≥0.是A阵全部的非零奇异值 奇异值与矩成A)特征彻的关系为:可= 将U和V按列划分,为U=2…=b1n2…时 (2)奇异值与条件数的关系 A为长方阵时,得其条传数与奇异值的关系为: cond (a)