Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Philipp Lorentz Geändert vor über 6 Jahren
1
Approximation (Teil 2) 521.202 / SES.125 Parameterschätzung
Torsten Mayer-Gürr
2
Approximation
3
Approximation Linearkombination von Basisvektoren:
Approximation eines Vektors: Bedingung: Differenzvektor muss senkrecht (normal) auf allen Basisvektoren stehen Normalgleichungssystem
4
Approximation Nornalgleichungssystem: m Gleichungen mit m Unbekannten
Was wäre, wenn die Basisvektoren a senkrecht aufeinander ständen? Die Lösung wäre einfach:
5
Gram-Schmidt Orthogonalisierung
6
QR Zerlegung QR-Zerlegung mit Gram-Schmidt Algorithmus: Nachteile:
Numerisch nicht stabil Orthogonale Basisvektoren nur für den Spaltenraum von A und nicht für den Komplementärraum => In der Praxis berechnet man die QR-Zerlegung mittels Householdertransformationen m r=n-m n
7
QR Zerlegung QR-Zerlegung mit der orthogonalen Matrix
und der oberen Dreiecksmatrix R m m r=n-m m m n Orthogonale Basisvektoren des Spaltenraums von A Orthogonale Basisvektoren des Komplementärraums von A
8
QR Zerlegung Wenn A mit Q gedreht wird QR-Zerlegung m m r=n-m m m n
Orthogonale Basisvektoren des Spaltenraums von A Orthogonale Basisvektoren des Komplementärraums von A
9
Approximation Die Spaltenvektoren von
spannen den Spaltenraum von A auf Der geschätzte Residuenvektor steht senkrecht auf allen Spaltenvektoren Der Beobachtungsvektor l wird in den Spaltenraum von A projiziert Mit der orthogonalen Projektionsmatrix Die Projektion des Beobachtungsvektors l in den Komplementärraum von A ergibt den geschätzten Residuenvektor Projektionsmatrix in den orthogonalen Komplementärraum:
10
Orthogonale Projektoren
11
Projektoren Beispiel: Orthogonale Projektion eines Vektors in die xy-Ebene Satz: Die Eigenwerte einer Projektionsmatrix sind 0 oder 1 n m r=n-m Satz: Projektionsmatrizen sind idempotent
12
Projektoren Orthogonale Projektionsmatrix in den Spaltenraum der Matrix A: Projektionsmatrix in den orthogonalen Komplementärraum: Eigenschaften: m r=n-m n
13
QR Zerlegung QR-Zerlegung mit der orthogonalen Matrix
und der oberen Dreiecksmatrix R m m r=n-m m m n Orthogonale Basisvektoren des Spaltenraums von A Orthogonale Basisvektoren des Komplementärraums von A
14
QR Zerlegung QR-Zerlegung QR-Zerlegung r=n-m m n
Normalgleichungsmatrix Projektionsmatrix: Projektionsmatrix:
15
Gauß-Markoff mit QR Gauß-Markoff Modell QR-Zerlegung Transformation:
Gauß-Markoff Modell mit der Dreiecksmatrix R
16
Gauß-Markoff mit QR Gauß-Markoff Modell mit der Dreiecksmatrix R
Geschätzte Parameter Schätzung der Beobachtungen: Schätzung der Residuen: Schätzung des Varianzfaktors
17
Netzausgleich
18
Dreiecksnetz 1. Ordnung Anzahl Punkte: 150 Anzahl Beobachtungen:
m = ca. 5*2*150 = ca. 1500 (Strecken und Richtungen zu ca. 5 Nachbarpunkten) Anzahl Parameter?
19
Dreiecksnetz 1. Ordnung Anzahl Punkte: 150 Anzahl Beobachtungen:
m = ca. 5*2*150 = ca. 1500 (Strecken und Richtungen zu ca. 5 Nachbarpunkten) Anzahl Parameter: n = 450 (x,y,o)
20
Dreiecksnetz 1. Ordnung Beobachtungsgleichungen:
21
Tafel: Berücksichtigung der Gewichtsmatrix
22
Tafel: Dekorrelation & Homogeniserung
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.