Académique Documents
Professionnel Documents
Culture Documents
Facultad de Ingeniera
Escuela de Ingeniera Geodsica
Catedra: Clculo de Compensacin II
Realizado por:
Eliana Arenilla
C.I: 19.970.864
Desarrollo
del problema a las que se les podr asignar valores por observaciones constantes propias
del fenmeno estudiado si ello fuera necesario. En forma implcita general
El modelo estocstico establece las caractersticas o propiedades estocsticas de las
variables aleatorias involucradas en el modelo funcional. La necesidad ~el modelo
estocstico surge del hecho inicial de que las observaciones que entran en el problema
son variables aleatorias, al ser el resultado de un proceso de medida en el que
incuestionablemente se cometen errores de observacin; adems otras variables del
modelo como los parmetros, e incluso las propias funciones pueden tener tambin
carcter aleatorio. El modelo estocstico se especifica generalmente dando la esperanza
matemtica de las variables aleatorias que intervengan y sus matrices de varianzacovarianza.
Las variables X, L Y las funciones F constituirn tres espacios matemticos formados
por todos los elementos que se puedan presentar de cada clase. As, el conjunto de todos
los posibles vectores solucin X constituye el espacio de parmetros que supondremos
de dimensin n. El conjunto de todos los posibles vectores de observaciones L
constituye el espacio de observaciones que supondremos de dimensin m. Y el conjunto
de todos los posibles vectores de funciones F constituyen el espacio de funciones de
dimensin c.
Para un tratamiento adecuado, desde un punto de vista matemtico, de nuestros
modelos en los problemas de ajuste que hemos de plantear es necesario un buen
conocimiento de la estructura de estos tres espacios, cuyas propiedades. Desde un primer
momento es necesario darse' cuenta de que un modelo matemtico, tal como el F(X,L) O
por ejemplo, se verifica exactamente para los valores X de los parmetros y los va lores
L de 1 as observaciones que entonces llamaremos valores ajustados. Las observaciones
reales t no coinciden con los valores L porque adolecen del error de observacin, a su
diferencia que representamos por el vector v la llamaremos vector de errores residuales,
y cuyas propiedades juegan un papel fundamental en la teora y en nuestras aplicaciones.
L ~ t + s + r.
(2. 1 )
esto es, constituida por tres cajas, una primera caja con la (mxm)-matriz unidad
cambiada de s i q np , otra segunda con la (mxk)-matriz de ceros y una tercera con otra
(mxm)-matriz unidad cambiada de signo. Definimos asimismo un vector v, formado por
toda la parte aleatoria de nuestro problema, de la forma
Entonces es evidente que de manera que el modelo (2.5) toma la forma estandard
Bv =-s - r,
Ax + Bv - t = O
Formalmente las ecuaciones de condicin as obtenidas para la colocacin (2.9)
responden a un modelo de ajuste mixto de o b s e r v a c i o n e s con condiciones y
parmetros (1.19) y este hecho nos va a servir para obtener de forma inmediata las
estimaciones mnimos cuadrados de los parmetros, de las seales y del ruido y sus
correspondientes precisiones a posteriori.
2.2. Modelo estocstico a priori Matrices Supongamos de momento que cero
Donde por (2.7) 1 a matriz de covarianza C'IV viene dada por cajas en la forma
por lo que debemos analizar por separado las matrices covarianza de 1 a seal, Css' C II
del ruido C,.,. y cruzadas SI' C~ r' C, r' que representado por la letra C, evitando la
utilizacin de E que se usa ordinariamente para cantidades genuinamente a1eatorias
(como los errores de observacin).
En primer lugar como la seal y el ruido son variable 1 es incorre1adas, los trminos
Csr, Ctr, Ces y Crz son cero y (2.11) queda reducida a