User Tools

Site Tools


04_teorie_chyb:0415_vyrovnani_zprostredkujicich_mereni

Teorie chyb

« 14. Vyrovnání přímých měření
» 16. Vyrovnání podmínkových měření

15. Vyrovnání zprostředkujících měření

Úvod

Způsobu vyrovnání zprostředkujících měření používáme v případech, kdy hledané neznámé veličiny se neměří přímo, ale určují se prostřednictvím jiných měřených veličin, které jsou s neznámými ve známém vztahu. Konaná měření se zde nazývají nepřímá neboli zprostředkující. V předešlém případě přímých měření se měřením určovala jediná neznámá veličina, nyní se může současně určovat i více neznámých. K vyrovnání dojde, jestliže konáme nadbytečná měření, takže můžeme sestavit více rovnic, než je neznámých. Zprostředkující měření jsou zatížena nevyhnutelnými chybami, které se přenášejí i na odhady neznámých. Vyrovnáním budeme hledat nejspolehlivější hodnoty neznámých a jejich střední chyby, eventuálně vyrovnaná zprostředkující měření a jejich střední chyby.

Formulace úlohy

Hledané neznámé podléhají naší volbě. Jejich počet a charakter musí být takový, aby jednoznačně určovaly danou situaci. To znamená, že jejich počet bude odpovídat počtu nutných měření a nebudou mezi nimi existovat funkční závislosti. Potom půjde bez problémů pro každé provedené zprostředkující měření sestavit vztah typu:

L=l+ε=L(xT).{\mathbf L}={\mathbf l}+{\mathbf \varepsilon }={\mathbf L}\left({\overline{{\mathbf x}}}^T\right).

Podle obecné formulace vztah upravíme na tvar:

l=l+v=l(xT),\overline{{\mathbf l}}={\mathbf l}+{\mathbf v}=\overline{{\mathbf l}}({{\mathbf x}}^T), kde l\overline{{\mathbf l}} a L{\mathbf L} jsou stejné funkce,

z něhož přímo vyplývá tzv. rovnice oprav:

v=l(xT)l,{\mathbf v}=\overline{{\mathbf l}}\left({{\mathbf x}}^T\right)-{\mathbf l},

pro kterou požadujeme splnění podmínky vTPv=min.{{\mathbf v}}^T{\mathbf P \mathbf v}=min.

Postup řešení

Předpokladem pro získání jednoduchých rovnic k výpočtu hledaných neznámých je lineární tvar rovnic oprav, kde jednotlivé neznámé jsou vzájemně odděleny. Tato tzv. linearizace se provede rozvojem funkčního vztahu v Taylorovu řadu s omezením na členy prvého řádu. Proto musíme zavést dostatečně přibližné hodnoty neznámých x0{{\mathbf x}}_0, dále vyjádřit x=x0+dx{\mathbf x}={{\mathbf x}}_0+{\mathbf d \mathbf x}, dosadit do rovnice oprav a provést rozvoj s omezením na členy prvého řádu:

v=l(x0T)+l(xT)xTx=x0dxl.{\mathbf v}=\overline{{\mathbf l}}\left({{\mathbf x}}^T_0\right)+{\left.\frac{\partial \overline{{\mathbf l}}\left({{\mathbf x}}^T\right)}{\partial {{\mathbf x}}^T}\right|}_{{\mathbf x}={{\mathbf x}}_0}\cdot {\mathbf d \mathbf x}-{\mathbf l}.

Po zavedení nového označení:

l(xT)xTx=x0=(l1(xT)x1l1(xT)xkln(xT)x1ln(xT)xk)x=x0=(a1TanT)=(a11a1kan1ank)=A{\left.\frac{\partial \overline{{\mathbf l}}\left({{\mathbf x}}^T\right)}{\partial {{\mathbf x}}^T}\right|}_{{\mathbf x}={{\mathbf x}}_0}={\left.\left( \begin{array}{ccc} \frac{\partial {\overline{{\mathbf l}}}_1\left({{\mathbf x}}^T\right)}{\partial x_1} & \cdots & \frac{\partial {\overline{{\mathbf l}}}_1\left({{\mathbf x}}^T\right)}{\partial x_k} \\ \vdots & \ddots & \vdots \\ \frac{\partial {\overline{{\mathbf l}}}_n\left({{\mathbf x}}^T\right)}{\partial x_1} & \cdots & \frac{\partial {\overline{{\mathbf l}}}_n\left({{\mathbf x}}^T\right)}{\partial x_k} \end{array} \right)\right|}_{{\mathbf x}={{\mathbf x}}_0}=\left( \begin{array}{c} {{\mathbf a}}^T_1 \\ \vdots \\ {{\mathbf a}}^T_n \end{array} \right)=\left( \begin{array}{ccc} a_{11} & \cdots & a_{1k} \\ \vdots & \ddots & \vdots \\ a_{n1} & \cdots & a_{nk} \end{array} \right)={\mathbf A}

a l(x0T)l=l\overline{{\mathbf l}}\left({{\mathbf x}}^T_0\right)-{\mathbf l}{\mathbf =}{\mathbf l}{\mathbf '} s názvem redukované měření dostaneme

v=Adx+l.{\mathbf v}={\mathbf A}\cdot {\mathbf d \mathbf x}+{\mathbf l}'.

  • Poznámka: Číselné hodnoty x0{{\mathbf x}}_0 můžeme zvolit nebo přibližně určit tak, aby se v rovnicích oprav neuplatnily členy druhého a vyšších řádů. Tyto členy nemůžeme brát v úvahu; již při dvou neznámých by normální rovnice byly kubické. Kdyby vyrovnání dalo příliš velké přírůstky dx{\mathbf d \mathbf x}, musíme výsledky vyrovnání x0+dx{{\mathbf x}}_{{\mathbf 0}}+{\mathbf d \mathbf x} považovat za nové přibližné hodnoty neznámých a vyrovnání opakovat. Uplatnění zanedbaných členů 2. řádu se projeví v tom, že závěrečná kontrola např. l(x)=l+v\overline{{\mathbf l}}\left({\mathbf x}\right)={\mathbf l}+{\mathbf v} neuspokojí v žádoucím desetinném místě. Toto pravidlo se netýká lineárních tvarů funkce, kde můžeme volit přírůstky libovolně veliké (popř. hodnoty neznámých vůbec neredukovat). Tvar rovnic oprav zůstane stejný se substitucí xdx{\mathbf x}\approx {\mathbf d \mathbf x} , ll-{\mathbf l}\approx {\mathbf l}'.

Obecně předpokládáme, že každé měření bylo provedeno s různou přesností a tudíž každému měření a tedy i opravě přisoudíme různou váhu pip_i. Opět jde o jisté normování.

Podmínku MNČ vTPv=min.{{\mathbf v}}^T\cdot {\mathbf P}\cdot {\mathbf v}=min. splníme podle známých pravidel:

vTPvdx=(vdxT)2Pv=AT2Pv=0.\frac{\partial {{\mathbf v}}^T\cdot {\mathbf P}\cdot {\mathbf v}}{\partial {\mathbf d \mathbf x}}=\left(\frac{\partial {\mathbf v}}{\partial {\mathbf d}{{\mathbf x}}^T}\right)\cdot 2\cdot {\mathbf P}\cdot {\mathbf v}={{\mathbf A}}^T\cdot 2\cdot {\mathbf P}\cdot {\mathbf v}={\mathbf 0}.

Po dosazení za v{\mathbf v} a krácení dvěma:

ATP(Adx+l)=0,{{\mathbf A}}^T\cdot {\mathbf P}\cdot \left({\mathbf A}\cdot {\mathbf d \mathbf x}+{\mathbf l}'\right)={\mathbf 0} , ATPAdx+ATPl=0,{{\mathbf A}}^T\cdot {\mathbf P}\cdot {\mathbf A}\cdot {\mathbf d \mathbf x}{\mathbf +}{{\mathbf A}}^T\cdot {\mathbf P}\cdot {\mathbf l}'={\mathbf 0} ,

dostáváme tzv. normální rovnice. Symetrická matice ATPA{{\mathbf A}}^T\cdot {\mathbf P}\cdot {\mathbf A} se často v literatuře označuje N{\mathbf N}. V upraveném klasickém zápisu má tvar:

N=([pa1a1][pa1a2][pa1ak][pa1ak][pa2ak][pakak]).{\mathbf N}=\left( \begin{array}{cccc} \left[pa_1a_1\right] & \left[pa_1a_2\right] & \cdots & \left[pa_1a_k\right] \\ \vdots & \vdots & \cdots & \vdots \\ \left[pa_1a_k\right] & \left[pa_2a_k\right] & \cdots & \left[pa_ka_k\right] \end{array} \right) .

Řešení normálních rovnic zapíšeme ve tvaru:

dx=N1ATPl.{\mathbf d \mathbf x}=-{{\mathbf N}}^{-1}\cdot {{\mathbf A}}^T\cdot {\mathbf P}\cdot {\mathbf l}'.

Z vyrovnaných přírůstků určíme hledané neznámé:

x=x0+dx.{\mathbf x}{\mathbf =}{{\mathbf x}}_{{\mathbf 0}}+{\mathbf d \mathbf x}.

Dále vypočteme opravy:

v=Adx+l{\mathbf v}={\mathbf A}\cdot {\mathbf d \mathbf x}+{\mathbf l}'

a z nich hodnoty vyrovnaných veličin:

l=l+v.\overline{{\mathbf l}}={\mathbf l}+{\mathbf v}.

Metody řešení normálních rovnic rozebereme v samostatném článku.

Kontroly

Některé kontroly jsou nutné i při počítačovém zpracování. V opačném případě je kontrol daleko více a je dobré je používat. Nejnebezpečnější jsou chyby v sestavení výchozích vztahů, což nám nekontroluje nic, a chyby, kterých se dopustíme při linearizaci. Na ty se zcela přijde až při závěrečné kontrole. Pro okamžitou kontrolu je vhodný tento postup:

Zvolíme nové přibližné hodnoty neznámých, zvětšené oproti prvé volbě vždy o jedničku v rozměru zavedeném pro řešené přírůstky:

x0=x0+e,{\overline{{\mathbf x}}}_0={{\mathbf x}}_0+{\mathbf e},

kde e{\mathbf e} je vektor jedniček. Sestavíme a postupně upravíme výraz:

sII=l(x0T)l=l(x0T+eT)l=l(x0T)+Ae+cˇl.2.rˇl=Ae+l=sI.{\rm -}{{\mathbf s}}^{II}{\rm =}\overline{{\mathbf l}}\left({\overline{{\mathbf x}}}^T_0\right){\rm -}{\mathbf l}{\rm =}\overline{{\mathbf l}}\left({{\mathbf x}}^T_0{\rm +}{{\mathbf e}}^T\right){\rm -}{\mathbf l}{\mathbf =}\overline{{\mathbf l}}\left({{\mathbf x}}^T_0\right){\mathbf +}{\mathbf A}\cdot {\mathbf e}{\mathbf +}{\rm č}l{\rm .2.ř}{\mathbf -}{\mathbf l}{\mathbf =}{\mathbf A}\cdot {\mathbf e}{\mathbf +}{{\mathbf l}}^{{\mathbf '}}{\mathbf =-}{{\mathbf s}}^I .

Kontrola spočívá v porovnání dvou kontrolních symbolů s{\mathbf s}. V klasickém zápise:

siI=(ai1+ai2+ai3++li),s^I_i=-\left(a_{i1}+a_{i2}+a_{i3}+\cdots +l_i'\right),

siII=li(x01, x02,,x0k)+li.s^{II}_i=-l_i\left({\overline{x}}_{01},\ {\overline{x}}_{02},\cdots ,{\overline{x}}_{0k}\right)+l_i.

Kontrola kontroluje sestavení matice A{\mathbf A} a vektoru l{\mathbf l}'.

Po sestavení normálních rovnic a jejich řešení je vhodné provést kontroly dříve nazývané sigmovými zkouškami:

lTPAdx+lTPl=vTPv{{\mathbf l}}'^{T}\cdot {\mathbf P}\cdot {\mathbf A}\cdot {\mathbf d \mathbf x}+{{\mathbf l}}'^{T}\cdot {\mathbf P}\cdot {{\mathbf l}}'={{\mathbf v}}^T\cdot {\mathbf P}\cdot {\mathbf v}

a kontrola

ATPv=0.{{\mathbf A}}^T\cdot {\mathbf P}\cdot {\mathbf v}{\mathbf =}{\mathbf 0}.

Klasicky:

[pa1l]dx1+[pa2l]dx2++[pll]=[pvv].\left[pa_1l'\right]\cdot dx_1+\left[pa_2l'\right]\cdot dx_2+\dots +\left[pl'l'\right]=\left[pvv\right].

Rovnost [pll.k]=[pvv]\left[pl'l'.k\right]=\left[pvv\right] (kde první symbol znamená po tzv. kk-té redukci) uplatníme hlavně pro pozdější odvození m0m_0 z oprav.

Tyto vztahy kontrolují výpočet koeficientů normálních rovnic, výpočet neznámých dx{\mathbf d \mathbf x}, výpočet oprav a vTPv{{\mathbf v}}^T\cdot {\mathbf P}\cdot {\mathbf v}.

Nejdůležitější je závěrečná kontrola. Je jí dvojí výpočet oprav ze vzorců:

vI=Adx+l,{{\mathbf v}}^I={\mathbf A}\cdot {\mathbf d \mathbf x}+{\mathbf l}',

vII=l(xT)l.{{\mathbf v}}^{II}={\overline{{\mathbf l}}{\mathbf (}{\mathbf x}}^T)-{\mathbf l}.

Nesouhlas vIvII{{\mathbf v}}^I\ne {{\mathbf v}}^{II} při splnění ostatních kontrol, ukazuje na chybu v linearizaci nebo chybné připojení přírůstků x=x0+dx{\mathbf x}={{\mathbf x}}_0+{\mathbf d \mathbf x}.

Střední chyby

Pro hodnocení důvěryhodnosti vyrovnaných hodnot používáme tyto střední chyby:

  1. střední chybu jednotkovou m0{\overline{m}}_0 (základ pro výpočet ostatních středních chyb),
  2. střední chybu vyrovnané neznámé mx{\overline{m}}_x,
  3. střední chybu funkce vyrovnaných neznámých mf{\overline{m}}_f,
  4. střední chybu vyrovnaného měření ml{\overline{m}}_{\overline{l}}.

Odhad jednotkové střední chyby

Střední chyba jednotková se používá pro výpočet všech středních chyb podle univerzálního vzorce:

m=m0Q.\overline{m}={\overline{m}}_0\cdot \sqrt{Q}.

Jednotlivá měření lil_i mohou vstupovat do vyrovnání se známými středními chybami mi{\overline{m}}_i nebo jejich odhady mim_i, vypočítanými např. z rozporů mezi opakovanými měřeními téže veličiny lil_i. Známe-li hodnoty mi{\overline{m}}_i, známe předem i jednotkovou střední chybu

m0=mipi.{\overline{m}}_0={\overline{m}}_i\cdot \sqrt{p_i}.

Nezávisle na těchto číselných hodnotách můžeme znovu odhadnout číselné hodnoty střední chyby jednotkové m0m_0 i středních chyb mim_i jednotlivých měření lil_i z provedeného vyrovnání, tj. z oprav viv_i, neboli z rozporů mezi naměřenými a vyrovnanými hodnotami souboru všech měření l1, l2, , lnl_1,\ l_2,\ \dots ,\ l_n. Jednotlivé číselné hodnoty jsou náhodným výběrem ze základních souborů všech možných hodnot každého jednotlivého měření. Při opakování měření dostáváme opět jiný výběr číselných hodnot l1, l2, , lnl_1,\ l_2,\ \dots ,\ l_n. Proto hodnoty m0m_0, mim_i vyčíslené z oprav viv_i budou náhodné veličiny a pouze odhady skutečných středních chyb m0{\overline{m}}_0, mi{\overline{m}}_i (parametrů rozdělení). Proto můžeme m0m_0 označit také jako „výběrovou“ jednotkovou střední chybu. Výpočetní vzorce jsme definovali:

m02=E(pε2),m02=[pεε]n,m02=pimi2.{\overline{m}}^2_0=E\left(p\cdot {\varepsilon }^2\right), m^2_0=\frac{\left[p\varepsilon \varepsilon \right]}{n} , {\overline{m}}^2_0=p_i\cdot {\overline{m}}^2_i.

Skutečné chyby ε\varepsilon však zůstávají neznámé a musíme je proto nahradit opravami vv. Stavba rovnic oprav

v=Adx+l{\mathbf v}={\mathbf A}\cdot {\mathbf d}{\mathbf x}+{\mathbf l}'

platí i pro skutečné chyby (podle zákona hromadění):

ε=Adx+l{\mathbf \varepsilon }={\mathbf A}\cdot {\mathbf d}\overline{{\mathbf x}}+{\mathbf l}'

Vytvoříme rozdíl a po úpravě dostaneme rovnici oprav v{\mathbf v} novém tvaru:

vε=A(dxdx)=Aεx,{\mathbf v}{\mathbf -}{\mathbf \varepsilon }{\mathbf =}{\mathbf A}\cdot \left({\mathbf d \mathbf x}{\mathbf -}{\mathbf d}\overline{{\mathbf x}}\right){\mathbf =-}{\mathbf A}\cdot {{\mathbf \varepsilon }}_{{\mathbf x}},

v=Aεx+ε.{\mathbf v}{\mathbf =-}{\mathbf A}\cdot {{\mathbf \varepsilon }}_{{\mathbf x}}{\mathbf +}{\mathbf \varepsilon }.

Splnění podmínky vTPv{{\mathbf v}}^T\cdot {\mathbf P}\cdot {\mathbf v} pro předchozí vztah by vedlo k normálním rovnicím pro neznámé εx{{\mathbf \varepsilon }}_{{\mathbf x}}, ale také ke vztahu:

vTPv=(εTPε.k),{{\mathbf v}}^T\cdot {\mathbf P}\cdot {\mathbf v}{\mathbf =}\left({{\mathbf \varepsilon }}^T\cdot {\mathbf P}\cdot {\mathbf \varepsilon }.k\right),

kde kk značí Gaussův symbol kk-té redukce při výpočtu Gaussovou eliminací. Platí též:

[pvv]=[pεε][pa1ε]2[pa1a1][pa2ε.1]2[pa1a1.1].\left[pvv\right]=\left[p\varepsilon \varepsilon \right]-\frac{{\left[pa_1\varepsilon \right]}^2}{\left[pa_1a_1\right]}-\frac{{\left[pa_2\varepsilon .1\right]}^2}{\left[pa_1a_1.1\right]}-\dots .

Vždy platí [pvv]<[pεε]\left[pvv\right]<\left[p\varepsilon \varepsilon \right]. Ve vztahu zavedeme střední hodnoty a podle definic i střední chyby. Vztah budeme upravovat v klasickém zápisu. Po kratších úpravách obdržíme:

E[pvv]=nm02m02=(nk)m02,E\left[pvv\right]=n\cdot {\overline{m}}^2_0-{\overline{m}}^2_0-\dots =\left(n-k\right)\cdot {\overline{m}}^2_0,

přičemž se tolikrát odečte m02{\overline{m}}^2_0, kolik je normálních rovnic (neznámých). Podle tohoto vztahu odvodíme rovnici pro odhad jednotkové střední chyby m0m_0 z daného výběru nn oprav

m0=vTPvnk=[pvv]nk,m_0=\sqrt{\frac{{{\mathbf v}}^T\cdot {\mathbf P}\cdot {\mathbf v}}{n-k}}=\sqrt{\frac{\left[pvv\right]}{n-k}},

kde nkn-k je počet nadbytečných měření. m0m_0 je aposteriorní odhad jednotkové střední chyby (měření o váze p0=1p_0=1), neboli empirická jednotková střední chyba plynoucí z vyrovnání (z oprav) zprostředkujících měření. Hodnota m0m_0 je náhodná a závislá na náhodném střetnutí hodnot skutečných chyb ε1, , εn{\varepsilon }_1,\ \dots ,\ {\varepsilon }_n.

Kromě výpočtu m0m_0, které můžeme též považovat za „průměrnou” přesnost vstupujících měření (vztaženo k váze 1):

m02=[pml2]n,m^2_0=\frac{\left[p\cdot m^2_l\right]}{n} ,

můžeme odhadnout i „průměrnou“ přesnost vystupujících vyrovnaných měření:

M02=[pml2]n=m02kn,M^2_0=\frac{\left[p\cdot m^2_{\overline{l}}\right]}{n}=m^2_0\cdot \frac{k}{n} ,

M0M_0 charakterizuje soubor zbylých chyb ε=εv{\varepsilon }'=\varepsilon -v ve vyrovnaných veličinách l+vl+v, koeficient k/n\sqrt{{k}/{n}} znamená průměrné zmenšení původních standardů (průměrné zvýšení přesnosti) vyrovnáním souboru měření.

Operacemi x=N1ATPl{\mathbf x}{\mathbf =}{{\mathbf N}}^{{\mathbf -}{\mathbf 1}}\cdot {{\mathbf A}}^{{\mathbf T}}\cdot {\mathbf P}\cdot {\mathbf l} vyjádříme libovolnou vyrovnanou neznámou jako lineární funkci všech zprostředkujících měření. Analogicky operacemi εx=N1ATPε{{\mathbf \varepsilon }{\mathbf '}}_x{\mathbf =}{{\mathbf N}}^{{\mathbf -}{\mathbf 1}}\cdot {{\mathbf A}}^{{\mathbf T}}\cdot {\mathbf P}\cdot {\mathbf \varepsilon } vyjádříme zbylou chybu εxi{\varepsilon {\mathbf '}}_{x_i} ve vyrovnané neznámé xix_i jako lineární funkci původních skutečných chyb εj{\varepsilon }_j ve všech měřených veličinách ljl_j (j=1,2, ...,nj=1,2,\ ...,n). Konečný tvar lze zapsat: εx=αε.{{\mathbf \varepsilon }}'_{{\mathbf x}}={\mathbf \alpha }\cdot {\mathbf \varepsilon }.

Koeficient αij{\alpha }_{ij} udává, jakým podílem své skutečné hodnoty se původní chyba εj{\varepsilon }_j podílí na vytvoření číselné hodnoty zbylé chyby εxi{\varepsilon '}_{x_i}. Matice α{\mathbf \alpha } koeficientů αij{\alpha }_{ij} takto dává informaci o zákonech přenášení původních chyb, např. ve vyrovnané síti (i o stochastických vztazích mezi vyrovnanými veličinami) a slouží jako „modelová” matice pro zkoumání efektivnosti měření.

Střední chyby vyrovnaných neznámých

Počítají se ze vzorce:

mx=m0Qxixi,{\overline{m}}_x={\overline{m}}_0\cdot \sqrt{Q_{x_ix_i}},

Kde QxixiQ_{x_ix_i} jsou diagonální prvky matice Q{\mathbf Q}. Výpočet této matice se odvodí podle zákona hromadění vah:

Qf=HP1HT{{\mathbf Q}}_f={\mathbf H}\cdot {{\mathbf P}}^{-1}\cdot {{\mathbf H}}^T

aplikací na vztah

fx=N1ATPl.{\mathbf f}\equiv {\mathbf x}{\rm =}{{\mathbf N}}^{{\rm -}{\mathbf 1}}\cdot {{\mathbf A}}^{{\mathbf T}}\cdot {\mathbf P}\cdot {\mathbf l}.

Zde jsou jednotlivé neznámé vyjádřeny jako funkce původních nezávislých měření l{\mathbf l} a můžeme proto opět použít zákon hromadění vah. Dosadíme H=N1ATP{\mathbf H}{\rm =}{{\mathbf N}}^{{\rm -}{\mathbf 1}}\cdot {{\mathbf A}}^{{\mathbf T}}\cdot {\mathbf P} a použijeme platné vztahy: PP1=E{\mathbf P}\cdot {{\mathbf P}}^{-1}={\mathbf E}, (N1)T=N1{\left({{\mathbf N}}^{-1}\right)}^T={{\mathbf N}}^{-1}, PT=P{{\mathbf P}}^T={\mathbf P}, ATPA=N{{\mathbf A}}^{{\mathbf T}}\cdot {\mathbf P}\cdot {\mathbf A}{\rm =}{\mathbf N}, NN1=E{\mathbf N}\cdot {{\mathbf N}}^{-1}={\mathbf E}. Obdržíme:

Qx=N1ATPP1(N1ATP)T=N1ATPAN1,{{\mathbf Q}}_x={{\mathbf N}}^{-1}\cdot {{\mathbf A}}^T\cdot {\mathbf P}\cdot {{\mathbf P}}^{-1}\cdot {\left({{\mathbf N}}^{{\rm -}{\mathbf 1}}\cdot {{\mathbf A}}^{{\mathbf T}}\cdot {\mathbf P}\right)}^T={{\mathbf N}}^{-1}\cdot {{\mathbf A}}^T\cdot {\mathbf P}\cdot {\mathbf A}\cdot {{\mathbf N}}^{-1},

Qx=N1NN1=N1.{{\mathbf Q}}_x={{\mathbf N}}^{-1}\cdot {\mathbf N}\cdot {{\mathbf N}}^{-1}{\mathbf =}{{\mathbf N}}^{-1}.

Potřebné elementy Qxixi{{\mathbf Q}}_{x_ix_i} získáme tedy z inverzní matice soustavy normálních rovnic.


« 14. Vyrovnání přímých měření
» 16. Vyrovnání podmínkových měření

04_teorie_chyb/0415_vyrovnani_zprostredkujicich_mereni.txt · Last modified: 2024/09/17 08:15 by 127.0.0.1