Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
1
Varianzfortpflanzung
/ SES.125 Parameterschätzung Varianzfortpflanzung Torsten Mayer-Gürr
2
Zufallsvektor
3
Varianz / Kovarianz Zufallsvektor Erwartungswert
Varianz-Kovarianzmatrix Mit der Dichte und Varianz Kovarianz Kovarianz Operator
4
n x m konstante Koeffizientenmatrix
Varianz / Kovarianz Lineare Transformation n x 1 Zufallsvektor m x 1 Zufallsvektor n x 1 konstanter Vektor n x m konstante Koeffizientenmatrix Erwartungswert Kovarianzmatrix
5
Kovarianzfortpflanzung
6
Polares Anhängen Polares Anhängen Gemessen Polares Anhängen mit
Lineare Transformation? Kovarianzmatrix
7
Polares Anhängen 1. Gemessen: 2. Kovarianzmatrix: 3. Berechnet:
4. Jakobimatrix 5. Kovarianzmatrix 5. Kovarianzmatrix Ergebnis
8
Wiederholte Streckenmessung mit einem Tachymeter
Beispiel Wiederholte Streckenmessung mit einem Tachymeter Messungen (Beobachtungen): 100,006 m 100,005 m 99,995 m 100,008 m 99,993 m 0,000 m 99,996 m 99,998 m 99,992 m 100,000 m 100,004 m 99,991 m 99,997 m 100,002 m …
9
Beispiel Histogramm von 10000 Beobachtungen Anzahl
Gemessene Strecke (reduziert um 100 m) [mm]
10
Kovarianzfortpflanzung
Beispiel: Mittelwert mit Bei gleicher Varianz
11
Kovarianzfortpflanzung
Beispiel: Differenz zweier Streckenmessungen mit Varianz der Differenz
12
Varianzfortplanzung im Gauß-Markoff Modell (Tafel)
13
Drehung des Koordinatensystems
14
Polares Anhängen Polares Anhängen
15
Drehmatrizen Drehmatrix Inverse Drehung Allgemein: Orthogonale Matrix
(Rotation mit evtl. Spiegelung)
16
Polares Anhängen Polares Anhängen Drehung um Winkel t Kovarianzmatrix
mit
17
Polares Anhängen Drehung um Winkel t Nebenrechnung mit Kovarianzmatrix
18
Polares Anhängen Polares Anhängen Gemessen Polares Anhängen mit
Durch Drehung des Koordinatensystems kann man unkorrelierte Zufallsvariablen erhalten! Kovarianzmatrix
19
Fehlerellipse
20
Beispiel: Strecke zwischen Koordinaten
21
Multivariate Normalverteilung
22
Zweidimensionale Zufallsverteilung
Zweidimensionale stetige Zufallsvariable Wahrscheinlichkeit (Verteilungsfunktion) Dichtefunktion Pail Satz: Zwei Zufallsvariablen sind genau dann voneinander unabhängig, falls gilt
23
Zweidimensionale Normalverteilung
Definition: Die Zufallsvariable X bezeichnet man als normalverteilt mit den Parametern 𝜇 und 𝜎 2 , abgekürzt geschrieben 𝑋~𝑁(𝜇,𝜎 2 ), wenn ihre Dichte 𝑓(𝑥) für Zweidimensionale Zufallsvariable mit unabhängigen Elementen
24
Zweidimensionale Normalverteilung
Multivariate Normalverteilung, wenn x und y unabhängig sind:
25
Zweidimensionale Normalverteilung
Multivariate Normalverteilung, wenn x und y unabhängig sind: Durch Drehung des Koordinatensystems lässt sich jede symmetrische Matrix auf Diagonalgestalt bringen (Eigenwertzerlegung) Produkt der Eigenwerte
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.