Gauss Markov Model(GMM)的最小二乘解是
(
)
PL
A
PA
A
X
T
1
T
−
=
,其中A 是設計
矩陣,P 是權重矩陣,L 是觀測向量。L 的協方差矩陣(covariance matrix)是Σ。定
義新的隨機向量S 和R 為:
AX
S =
、
PL
R =
。試求S 和R 之間的協方差矩陣。(25 分)
定義矩陣
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎣
⎡
=
10
1
2
1
2
1
2
15
A
,
⎥
⎥
⎥
⎦
⎤
⎢
⎢
⎢
⎣
⎡
=
13
1
2
1
12
3
1
21
20
B
,
T
AB
C =
。試計算矩陣C 的跡(trace)。
(25 分)
三、試解釋及舉例平差中,最小約束解(minimum constrained solution)的原理。(25 分)
點A 和B 之間的距離被一EDM 測量10 次。10 次之平均值和平均值之標準誤差為
m
231
.
100
=
S
、
m
006
.0
=
S
σ
計算該距離的95%信心區間(confidence interval),使用t 分佈的臨界值
26
.2
)9
(
025
.0
=
t
。(12 分)
A 和B 之間的距離由另一個EDM 測定為
m
236
.
100
=
S
,
m
008
.0
=
S
σ
統計而言,從兩個EDM 測定的距離是否相同(假設A 和B 之間沒有變動;95%
信心水平)?(13 分)