l1范估计的巴尔达检验统计量.docxVIP

l1范估计的巴尔达检验统计量 1 理论基础研究 粗差是指超过一定阈值的较大误差，可由函数模型误差或随机模型误差引起。探测它有两条途径: 一是构造各种抗差估计方法消除或降低粗差对参数估计的影响, 并定位粗差;二是在最小二乘估计的基础上, 采用统计检验方法对粗差进行探测定位。平差系统对最小粗差的探测能力与未探测到的最大粗差对平差结果的影响就构成了粗差探测的可靠性理论。 在抗差估计的理论研究中, 除统计学家的工作外, 国内外的大地测量学者做出了卓有成效的工作。李德仁建立了抗差的选权迭代法;周江文定义了IGG方法;杨元喜系统地研究了抗差估计理论及其在大地测量与卫星统计定轨中的应用;朱建军系统地研究了污染模型下的数据处理方法;孙海燕系统地研究了P范分布与P范平差;王新洲研究了方差分量的稳健估计;归庆明研究了抗差岭估计。 自荷兰学者巴尔达在1维备选假设的基础上提出了可靠性理论后, Forstner研究了不同备选假设可区分性问题;李德仁从两个多维备选假设情况导出了检测量之间的总体相关和最大相关, 以及在这两个备选假设下的内外部可靠性理论;欧吉坤研究了相关观测的可靠性理论。 目前, 可靠性理论是建立在最小二乘估计的基础上, 对L1范估计, 缺少巴尔达统计量, 难点在于L1范估计中缺少残差的方差协方差矩阵。统计学家Bahadur在误差独立且同分布的条件下得到了参数的L1范估计的一个渐近线性表达式。