Le quote e q sono incognite. Il sistema è ridondante: 3 equazioni (osservazioni) e 2 incognite.

Documenti analoghi
Misure Topografiche Tradizionali

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

RAPPRESENTAZIONE DI MISURE. carta millimetrata

Corso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE

fig.1 istogramma di una distribuzione statistica

Propagazione degli errori

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

Propagazione delle incertezze

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

Precisione e Cifre Significative

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

Misure dirette utilizzate per il calcolo della misura indiretta X:

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Introduzione ai Minimi Quadrati

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO

Dispensa LE RETI TOPOGRAFICHE. Elementi per il calcolo e la compensazione

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese

Principio di massima verosimiglianza

Principio di massima verosimiglianza

Predimensionamento reti chiuse

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 21: 29 maggio 2013

Elementi di statistica

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

03/03/2012. Campus di Arcavacata Università della Calabria

La soluzione delle equazioni differenziali con il metodo di Galerkin

Propagazione degli errori

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA

La ripartizione trasversale dei carichi

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA

ELEMENTI DI STATISTICA

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Definizione di campione

Capitolo 3. Cap. 3-1

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

si utilizzano per confrontare le distribuzioni

Risposta in frequenza

IL CALCOLO DELLE FREQUENZE VIBRAZIONALI

Tangenti a una conica: il metodo del Doppio sdoppiamento 1

di una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3)

Corso di. Dott.ssa Donatella Cocca

4.6 Dualità in Programmazione Lineare

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Capitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Dinamica del corpo rigido

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω

Intorduzione alla teoria delle Catene di Markov

Esercitazione 12 ottobre 2011 Trasformazioni circuitali. v 3. v 1. Per entrambi i casi, i valori delle grandezze sono riportati in Tab. I.

DESTINAZIONE ORIGINE A B C A B C Esercizio intersezioni a raso - pag. 1

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.

Teoremi dei circuiti

CPM: Calcolo del Cammino Critico

Elasticità nei mezzi continui

LABORATORIO II. 1 La retta di regressione. NB create un nuovo foglio di lavoro

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3

LA VARIABILITA. IV lezione di Statistica Medica

Statistica Descrittiva

Sistemi Intelligenti Stimatori e sistemi lineari - III

Regressione e correlazione

CARATTERISTICHE DEI SEGNALI RANDOM

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Teoremi dei circuiti

Reti geodetiche.nb 1 CORSO DI TOPOGRAFIA A - A.A LEZIONE RETI GEODETICHE

UNIVERSITÀ DEGLI STUDI DI TORINO CORSO DI LAUREA IN CHIMICA Dispense ad esclusivo uso introduttivo per il modulo di Fisica C

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann

Università degli studi di Brescia Facoltà di Ingegneria Corso di Topografia A Nuovo Ordinamento. Le poligonali. 13 Giugno 2004

Circuiti elettrici in regime stazionario

Sistemi Intelligenti I sistemi lineari

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

6 Prodotti scalari e prodotti Hermitiani

Stima dei Parametri: Metodo dei Minimi Quadrati

Carla Seatzu, 18 Marzo 2008

Modelli di variabili casuali

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

Laboratorio di Fisica per Scienze Naturali 1 - Elementi di Statistica e di teoria degli errori

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO

LA COMPATIBILITA tra due misure:

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

METODO DEGLI ELEMENTI FINITI

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA

Support Vector Machines. Macchine a vettori di supporto

PROBLEMA 1. Soluzione. β = 64

Sistemi di Acquisizione Dati Prof. Alessandro Pesatori

Transcript:

Compensazone con l metodo de mnm quadrat Introduzone Le msure geodetche e topografche, che n molt cas non rguardano solo dstanze e angol, ma anche quanttà non puramente geometrche, come ad esempo l'ntenstà del campo della gravtà, sono legate alle quanttà da stmare, che n generale sono coordnate o quote d punt, da sstem d equazon, che costtuscono l modello della rete Il modello è spesso puramente geometrco, ma può anche contenere aspett dnamc, come nel caso della determnazone d dfferenze d quote ortometrche o d geopotenzale, che rchedono msure del modulo della gravtà Tutte le msure sono affette da error casual, descrtt dalla matrce d covaranza delle osservazon, che costtusce l modello stocastco In molt cas le osservazon sono stocastcamente ndpendent, nel senso che gl error casual d cascuna msura non sono nfluenzat dagl error casual delle altre, e sono qund ncorrelat La matrce d covaranza è qund dagonale, e suo element sono le varanze delle sngole osservazon, che ndcano l lvello d precsone con cu vengono esegute In generale nelle ret geodetche e topografche vene eseguto un numero rdondante d msure, e qund sstem d equazon d osservazone, che esprmono le quanttà msurate n funzone delle grandezze da stmare, contengono pù equazon che ncognte, e n generale non possono essere rsolt esattamente propro a causa degl error d msura, per effetto de qual msure rdondant possono non essere compatbl con l modello ESEMPIO: dslvell msurat a partre da una quota Q fssata (fgura): q () ovvero, n forma matrcale, q q Q + Q () Le quote e q sono ncognte Il sstema è rdondante: equazon (osservazon) e ncognte q NOTA: s potrebbe pensare che, avendo a dsposzone equazon, sa possble determnare anche Q Questo però non è possble, dato che l sstema

q q Q () è sngolare (la seconda rga è somma della prma e della terza), n accordo con l fatto che l'aggunta d una stessa quanttà a tutte le quote non camba dslvell, e qund la soluzone non è unca Per qualsas scelta d e q n () è verfcata l'equazone q + (4) D conseguenza, se le osservazon,, non verfcano l'equazone - cosa che n generale accade, poché le msure sono affette da errore - non esste nessuna soluzone n senso propro q, q La va d uscta n questo caso consste nella rcerca d una soluzone approssmata adottando l crtero d rendere mnma la funzone qˆ, q ˆ, ad esempo ( ˆ ) + ( ˆ ) + ( ˆ ) ( ( qˆ ˆ ˆ )) + ( ˆ ( q )) + ( ( q q)) (5) (metodo de mnm quadrat) Da un punto d vsta geometrco, l'equazone () rappresenta, al varare d q, q, un pano nello spazo -dm Il punto osservato, (,, ), a causa degl error d msura, non appartene a tale pano, e l punto del pano determnato n corrspondenza d qˆ, qˆ è l punto d mnma dstanza da (,, ) Per evdenzare la presenza d error d msura, spesso le equazon d osservazone vengono scrtte nella forma q + ε + ε + ε (6) In alternatva, è anche possble, senza ntrodurre parametr q, q, procedere drettamente alla mnmzzazone della funzone (5) rspetto a ˆ, ˆ ˆ, sotto la condzone ˆ ˆ ˆ + (ved eq (4)), utlzzando l metodo de moltplcator d Lagrange In questo caso tuttava è possble soltanto ottenere valor compensat de dslvell msurat, compatbl con l modello; le quote, non essendo state ntrodotte nelle equazon, non possono evdentemente essere determnate n questo stado della elaborazone Il crtero adottato è smmetrco nelle tre varabl ˆ, ˆ, ˆ D conseguenza, eseguendo calcol rsulta che, se a causa degl error d msura la (4) non è verfcata esattamente e s ottene nvece + ε (n questo caso ε è detto errore d chusura), gl scart ˆ, ˆ, ˆ sono tutt ugual a ε / Questo rsultato non è accettable se è noto a

pror che le tre msure sono state esegute con dfferente precsone, per cu c s aspetta scart pù pccol n corrspondenza delle msure pù precse Una possble strada per tenere conto d questo fatto consste nel modfcare l crtero d mnmzzazone ntroducendo nella (5) de pes, coè de coeffcent moltplcatv postv alle dverse component, tanto pù grand quanto pù s assume che le msure delle corrspondent component sano precse: c ˆ ˆ ˆ (7) ( ) + c ( ) + c( ) dove, ad esempo, s può sceglere c / σ Generalzzando l'esempo sopra llustrato, s assume d avere a dsposzone msure d dverse quanttà legate fra d loro da un modello Un altro esempo tpco n topografa sono le msure d angol e dstanze n una rete, legat fra d loro da relazon geometrche (ad esempo un trangolo è completamente determnato dalle lunghezze de suo lat, e qund gl angol sono esprmbl n funzone de lat) NOTA: Il metodo de mnm quadrat può essere applcato anche n problem d altra natura: un caso tpco è quello d msure esegute n stant dvers d una quanttà che evolve nel tempo secondo una ben determnata legge (ad esempo polnomale), con coeffcent da determnare: f t ; a L, a ) (ad esempo a t ) ( k k j j j dove sono le quanttà msurate (le cu msure verfcano solo approssmatvamente le equazon perché affette da error), t sono stant d tempo esattamente not, ak sono parametr da stmare, n numero nferore alle quanttà msurate A causa degl error d msura c s aspetta che le quanttà msurate non soddsfno esattamente l modello Ad esempo, se s msurano angol d un trangolo, la somma delle msure non è esattamente 8 C s aspetta però che gl error sano a meda nulla, e qund che le msure sano varabl aleatore cu valor attes verfcano l modello Il rsultato che s vuole ottenere è una stma d queste mede, che vengono assunte come valor corrett delle quanttà msurate (compensazone - nglese adjustment) Per la formalzzazone del problema, l'nseme delle n grandezze msurate (, L, n ) è descrtto come un vettore n R n A causa delle relazon present, valor ammssbl appartengono ad un sottonseme (varetà) d R n Le relazon possono essere espresse da equazon della forma f (, L, ) (equazon d condzone), n numero nferore a quello delle grandezze nteressate j n Ad esempo, per gl angol α d un trangolo, α 8 ; qund l'nseme delle terne d angol ammssbl è rappresentato da un pano n uno spazo -dm Se l numero delle equazon è n-k, n realtà solo k grandezze sono ndpendent; s dce allora che la varetà è k-dm

E però anche possble rappresentare le relazon fra le grandezze msurate esprmendo tal grandezze n funzone d un certo numero d parametr numerc, φ ( t, L, t k ) (nel caso delle ret topografche sono n generale le coordnate de vertc della rete, eventualmente anche rotazon, traslazon e varazon d scala de sstem d rfermento; nel caso d una grandezza che evolve sono coeffcent del polnomo o d altra forma funzonale); se parametr sono k, s dce allora che la varetà de valor ammssbl è k-dm Per una varetà descrtta da un nseme d parametr, l prmo problema è propro quello d stmare valor numerc d quest parametr, o correzon a valor approssmat, utlzzando le msure a dsposzone; la stma delle osservabl compensate vene po fatta ntroducendo valor ottenut de parametr nelle equazon d osservazone Nel caso delle ret topografche, quando parametr sono le coordnate de vertc della rete, la stma d quest parametr è l nteresse prmaro della procedura d compensazone, mentre la stma delle osservabl compensate ha lo scopo d ottenere un nseme d valor compatbl con la struttura geometrca della rete Esemp tpc d varetà sono le curve n un pano o n uno spazo -dm e le superfc n uno spazo - dm, che, come è noto, possono essere rappresentate sa n forma parametrca, sa medante equazon d condzone In partcolare, rette e pan sono varetà lnear Stma de parametr e delle osservabl compensate Il problema d stma llustrato nell esempo vene ora espresso n una forma che, pur non essendo quella pù generale, è adatta per la trattazone della maggor parte delle ret topografche S assume che le osservabl (ossa le quanttà che esprmono le msure topografche esegute) sano esprmbl n modo esplcto n funzone d un certo numero d parametr, che n generale rappresentano le coordnate de vertc della rete S assume nzalmente che la dpendenza sa lneare, ossa che l vettore delle osservabl (d dmensone n ) sa legato al vettore t de parametr (d dmensone k ) da una relazone del tpo At + b (8) Per avere rdondanza delle msure esegute rspetto a parametr da stmare, occorre che assume che l rango d A sa massmo, ossa uguale a k k < n S A causa degl error d msura le osservazon essere espresse nella forma non verfcano esattamente la (8), ma possono At + b + r ε (9) S assume nvece che l vettore sa estrazone d una varable aleatora Y l cu valore atteso verfca la (8) per un partcolare valore t del parametro t S tratta d determnare n funzone delle osservazon una stma d tale valore atteso, ovvero un punto ŷ, appartenente alla varetà e qund tale da verfcare la (8) per un opportuno tˆ, che approssm l meglo possble secondo un opportuno crtero

Generalzzando crter d mnmzzazone vst nell'esempo (cf (5) e (7)), come funzone da mnmzzare vene scelta T ( ˆ) CY ( ˆ) () dove C Y è la matrce d covaranza d Y, supposta nota a pror Il mnmo della () esste certamente, mentre non esste l massmo, dato che la () è contnua, postva e non lmtata superormente S osserv noltre che, se la matrce C Y è moltplcata per una costante d proporzonaltà, l punto d mnmo della () resta nvarato; s può qund assumere che sa nota a meno d una costante moltplcatva: C Y σ Q, con σ ncognto Questa stuazone corrsponde al caso realstco n cu sono note le precson relatve, ma non quelle assolute, delle dverse quanttà msurate (ad esempo, s sa che l'accuratezza d un proflo d lvellazone è proporzonale alla radce quadrata della sua lunghezza, ma s può non sapere la precsone d una sngola battuta) Soltamente s assume che gl error d msura sulle dverse quanttà osservate sano stocastcamente ndpendent: n effett, n generale non c è ragone d pensare che gl error casual commess su una certa partcolare msura nfluenzno o sano nfluenzat da error casual commess nell esegure le altre msure, dato che non c è alcuna relazone fra le dverse operazon compute D conseguenza, la matrce C Y è dagonale; se po le quanttà msurate sono tutte della stessa natura (ad esempo, tutt angol o tutte dstanze) e s assume che sano tutte le msure sano esegute con la stessa precsone, C Y è multplo della matrce denttà I Il rsultato della mnmzzazone è dato dalla formula C Y tˆ T N A Q ( b) ˆ Atˆ + b () dove N A T Q A S osserv che le stme ottenute sono funzon lnear delle osservazon Questa è una conseguenza del fatto che la funzone obettvo da mnmzzare è quadratca e che la varetà modello è lneare Essendo funzone delle osservazon, t ˆ è anch esso una varable aleatora Il suo valore atteso è {} t ˆ T T T N A Q ( E{} b) ( A Q A) A Q ( At + b b) t E () Questo rsultato s esprme dcendo che S verfca anche che E ˆ E {} {} tˆ è una stma lneare corretta d t

Formule per le matrc d covaranza Applcando la regola della propagazone della covaranza, e tenendo conto che Q e N sono matrc smmetrche, s ottene T ( σ Q) Q AN σ N A Q AN σ T C t ˆ N A Q N In modo analogo, posto r ε ˆ (vettore degl scart), s ottene () C σ T C ˆ AN A T ( r ε σ Q AN A ) (4) 4 Stma d σ S è vsto che nelle formule per la stma de parametr e delle osservabl compensate non compare esplctamente, che nvece compare nelle espresson delle matrc d covaranza Fermo restando σ che la matrce Q deve essere fssata a pror, poché l valore numerco d è legato all enttà complessva degl error d msura, è possble darne una stma a posteror sulla base degl scart ottenut sulle osservabl L espressone usata è σ ˆ σ r ε T n k Q r ε (5) che, come s vede, è quadratca rspetto agl scart S può verfcare che { } corretta E ˆ σ σ, ossa, la stma è Problem non lnear In generale, problem d compensazone che s presentano n topografa, che contengono equazon d osservazone d angol e dstanze n funzone delle coordnate de vertc, sono non lnear, e non rentrano qund nello schema sopra llustrato Il sstema d equazon d osservazon è espresso nella forma f ( t, L, t ),, L, n, n k () k > che descrve una varetà non lneare k-dm n n) n R (ad esempo, una superfce nello spazo se k, Da un punto d vsta concettuale s può pensare d applcare drettamente a questo sstema la procedura d mnmzzazone degl scart descrtta nel paragrafo precedente; s gungerebbe però ad un sstema d equazon non lnear che n generale hanno soluzone non unca e non facle da determnare D solto,

tuttava, è noto un valore approssmato t del vettore ncognto t ( t, Lt k ), e n un ntorno d t la varetà () è bene approssmata dalla varetà lnearzzata f ( t ) + f ( t )( t t ) () dove f è la matrce cu element sono f / t In pratca s fssa anche un valore approssmato j del vettore, non necessaramente concdente con ( t ) (ad esempo, s possono sceglere le component d ugual a valor numerc delle f msure esegute) e, posto t t t,, s ottene f ( t () ) t + f ( t ) La formula () è del tpo (8), con A f ( t ), b f ( t ), e s può esegure l calcolo applcando le formule (), per ottenere una stma tˆ a partre dal dato S not che valor da nserre per le component del vettore sono quell delle msure esegute; d conseguenza, se anche per s sono scelt gl stess valor, rsulta Una volta determnato tˆ tˆ t, valor delle osservazon compensate ŷ s possono ottenere per sosttuzone nella (), o anche, con dfferenze generalmente trascurabl, nella () ESEMPIO: S vuole determnare la coordnata d un punto sul semasse postvo, e s msurano le dstanze da punt d coordnate (,) e (,-), ottenendo rspettvamente d 48m, d 58m S assume che le msure sano ncorrelate, con scart quadratc med σ mm, σ mm (fgura) S deve qund determnare l solo parametro utlzzando msure, e pertanto s hanno equazon d osservazone con una sola ncognta: d d + 4 + (4) Fssat valor approssmat equazon lnearzzate d, d,, e posto d d d,, s ottene l sstema d d d + + 4 + + + 4 d + d A + b A + b (5) S tratta ora d applcare la () Q è una matrce dagonale, con element dagonal proporzonal a 4 A σ, s può qund prendere Q, e d conseguenza N ( A A ) Q A + A A 4

4 A ( d b ) + A ( d b Qund la () dà ˆ ) A + A 4 Per valor approssmat s può sceglere d d, d d, da cu d d Per la scelta d, c s può basare sulla msura d : d 4 m I rsultat numerc sono: A 59 ; A 7759 ; b 4; 49m, da cu ˆ 5m Sosttuendo questo valore n (4) s ottengono dˆ, dˆ e s possono calcolare gl scart d dˆ ε Utlzzando la (5) s ottene ˆ σ ε + ε 4m 4 NOTA: Può accadere, ad esempo per una scelta nadeguata de valor approssmat, che l modello lnearzzato non fornsca una approssmazone abbastanza buona del modello non lneare orgnaro In questo caso le stme de parametr possono essere affette da error d modello, che s manfestano con un valore d σˆ anormalmente elevato Allora è possble attvare una procedura d terazone, n cu, per cascun passo, l calcolo delle stme per l modello lneare vene rpetuto ntroducendo come valor approssmat de parametr e delle osservabl le stme ottenute nel passo precedente Se l procedmento converge (cosa non garantta a pror), l valore d σˆ s rduce fno a stablzzars, e a questo punto l terazone può essere fermata