Está en la página 1de 85

CAPÍTULO 14.

ANÁLISIS DE RESULTADOS
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Control de calidad en Topografía y Geodesia.


– Exigencia.
– Garantía de acreditación de resultados.
• Criterios de calidad y estadísticos.
– Se consigue:
• Instrumentación.
• Software..
– Ajuste de redes por MMCC.
» Modelo matemático.
» Modelo estocástico.
– Pruebas estadísticas.
» Ratificar las hipótesis.
» Cifrar el poder de afirmación de su aceptación o rechazo.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas estadísticas.
– Análisis de fiabilidad y precisión a partir de:
• Varianzas a priori y posteriori.
• Matrices varianza covarianza.
• Residuos 𝑊𝑖 .
– Análisis de la existencia de posibles errores groseros.
– Indicadores de fiabilidad y de precisión.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Precisión de una red:


– «Influencia de las variables estocásticas de la red
sobre las coordenadas»
– Cifrada por:
• Elipses absolutas de error.
– Valor de precisión en el punto.
• Elipses relativas de error.
– Precisión entre un par de estaciones.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Modelo de ajuste riguroso:


– Gauss-Markov.
– Requiere:
• Modelo matemático.
• Modelo estadístico.
– Habrá que verificar:
• Adecuación a cada caso.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Modelo de Gauss-Markov.
– Será preciso establecer criterios sobre:
• Valores a priori y a posteriori de los estimadores de las
varianzas de los observables de peso unidad y su inferencia
estadística.
• Las figuras recintos y geometría general de errores de la red
y en cada punto de ella su valoración e interpretación
rigurosa.
• Los constreñimientos previos establecidos (puntos fijos,
orientaciones, bases medidas) y su influencia en la posible
introducción de errores de la red.
• Los pesos a priori asignados a los observables y su
adecuación a la realidad de la observación efectuada.
• La detección, valoración y eliminación de posibles errores
groseros de observación.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Esquema de análisis de una red


DISEÑO DE LA RED
ESTABLECER HIPÓTESIS
AJUSTE
Pruebas estadísticas de validar Modelos

PRECISIÓN FIABILIDAD
ELIPSE Absoluta y relativa Detección de errores groseros
Desviación típica INTERNA MDB
Matriz Varianza covarianza EXTERNA BNR
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas más habituales en Geodesia:


– Test sobre los datos observados antes del ajuste:
• Test de normalidad de las observaciones, es un test 𝜒 2 .
• Análisis observable GNSS. TEQC.
– Test de las observaciones y red tras el ajuste:
• Test detección de errores sistemáticos.
– Test T-Student.
• Pruebas para validar el modelo o contrastes de varianzas.
– Prueba F.
– Prueba 𝜒 2 .
• Test de detección de errores groseros.
– Test de Baarda.
– Test de Pope o Tau.
• Análisis de fiabilidad y figuras de error.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas más habituales en Geodesia:

Observable Global red Fiabilidad


Calidad observable Calidad de la red Errores groseros y
perturbación de no
detectados
• Rinex TEQC • 2 Chicuadrado • Errores groseros
• Test normalidad 2 • Test F Snedecor • Test de Baarda y Pope
• Ruido. Fiabilidad externa
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas estadísticas.
– En Geodesia o Topografía el número de medidas
posibles es infinito.
• Población
– Se trabaja solo con algunas.
• Muestra.
– Inferencia estadística.
• Sacar conclusiones de la población a partir del análisis de la
muestra.
• A partir de:
– Estimación de parámetros.
– Contraste de hipótesis.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Hipótesis.
– Conjetura sobre determinado fenómeno.
– Modelo matemático y estocástico están basados en hipótesis.
• Hipótesis estadística.
– «Sentencia cuantitativa sobre la función de densidad de
probabilidad postulada y sus parámetros» (Vanicek y Krakiwsky,
1986).
• Contraste de hipótesis, prueba o test estadístico.
– Procedimiento para aceptar o rechazar una hipótesis.
• De una población.
• A partir de información de una muestra.
– Requiere definir una hipótesis nula 𝐻0 .
• Los parámetros de la población tienen ciertos valor.
• Hay un número infinito de hipótesis alternativas 𝐻1 .
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• No podremos garantizar la verdad absoluta.


– Establecer un nivel de probabilidad de confianza.
– Establecer un nivel de error, llamado nivel de significación.
• Decisión de aceptar 𝐻0 .
– Si el estadístico de contraste está en la zona de distribución de
probabilidad que le corresponde.
– En función del nivel de significación.
• Valores críticos.
– Se determinan al seleccionar un nivel de significación α.
• La probabilidad de que el valor crítico sea excedido es α.
• La probabilidad de un rechazo incorrecto es α.
– Nivel de confianza complementario 1 − 𝛼.
• Medida de la confianza que se puede obtener en esta decisión.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Chequeo estadístico:
– Establecer hipótesis nula 𝐻0 y alternativa 𝐻1 .
– Seleccionar estadístico y probabilidad asociada.
– Elegir nivel de significación α para el test.
– Elegir potencia del test 1 − 𝛽, si procede.
– Calcular los valores límite o región crítica.
– Comparar estadístico y distribución teórica.
– Toma de decisión de aceptar o rechazar 𝐻0 .
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Alfa α (%)
– Nivel de significación.
– Probabilidad de rechazar una buena observación.
– Valores del orden del 0.01, 0.05.
– El valor complementario nivel de confianza.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Beta β (%)
– Al valor 1-β se le llama potencia del test.
– Fortaleza de la prueba.
– Probabilidad de aceptar una mala observación.
– Asociada a la probabilidad de rechazar una hipótesis.
– Un valor frecuente es de 80%.
– En redes GNSS se toma como valor predeterminado.
– Con un valor más alto, se puede rechazar una buena
observación.
– Según autores:
• 1-β como potencia del test.
• β potencia del test. Leica.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Al probar una hipótesis nula 𝐻0 :


– Error tipo I.
• Que 𝐻0 sea rechazada, cuando es verdadera.
• La probabilidad de que esto ocurra es 𝛼.
– Error tipo II.
• Que 𝐻0 sea aceptada, cuando en es falsa.
• La probabilidad de que esto ocurra es 𝛽.
• 1 − 𝛽 es la potencia de la prueba.

SITUACIÓN DECISIÓN: aceptar 𝐻0 DECISIÓN: rechazar 𝐻0


Decisión correcta: Error tipo I:
𝐻0 verdadera
Probabilidad = 1- Probabilidad = 
Error Tipo II: Decisión correcta:
𝐻0 falsa
Probabilidad  Potencia del test = 1-
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Gráfica de probabilidades.
– Si se disminuye α:
• Se es más exigente a la hora de rechazar 𝐻0.
• Aumentará β.
– Se pierde capacidad de optar por 𝐻1 siendo cierta.
– Disminuye la potencia del test.
– Si se aumenta α:
• Aumentara la probabilidad de rechazar 𝐻0 indebidamente.
• Disminuye β.
– Aumenta la potencia de test.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS
• AMBIGUEDADES
• Ratio o razón mínima
GPS • Prueba F y prueba 2

• LINEA BASE
• Ratio o estimador de peso unidad
GPS
• RED
• Prueba F y prueba 2
• Test de Pope
RED • Test de Baarda
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– MMCC presupone que se han eliminado:
• Errores groseros.
• Efectos sistemáticos.
– Detección y eliminación de errores groseros de pequeña
magnitud.
– Se apoyan en el análisis estadístico de los residuos.
• Indicativos del comportamiento de las observaciones.
• Indicativos del modelo matemático.
• Chequeo simultáneo de observaciones y modelo.
– Los test o pruebas estadísticas más frecuentes:
• Validar el modelo matemático y estocástico.
• Analizar la presencia de errores groseros.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

VALOR CRITICO VARIANZA

𝛼 = PROBABILIDAD DE 𝜎02 = factor de varianza


RECHAZAR UNA BUENA
OBSERVACION a priori.

𝜎02 = factor de varianza


a posteriori.
1 − 𝛽= PROBABILIDAD
DE ACEPTAR UNA MALA Depende de:
OBSERVACION - Residuales calculados
- Redundancia.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Pruebas o test estadísticos para validar el modelo.
• Test globales del modelo.
• Para analizar la bondad del ajuste:
– Compatibilidad entre la varianza a posteriori y la varianza a priori.
• Se apoyan en:
– Distribución F de Fisher o Snedecor.
– Distribución 𝜒 2 de Pearson o Chi-cuadrado.
• Pesos a priori → varianza a priori.
• En base a los residuos → estimador a posteriori de varianza.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Pruebas o test estadísticos para validar el modelo.
• Establecer:
– Si el ajuste ha sido correcto.
– Si los modelos matemáticos y estocásticos son coherentes.
• La hipótesis nula es Ho: 𝜎02 = 𝜎02 .
– 𝜎02 estadísticamente coherente con 𝜎02 .
– Generalmente valores muy parecidos y próximos a la unidad.
• La hipótesis alternativa H1: 𝜎02 ≠ 𝜎02 .
• Para validar esto se aplican:
– Prueba F.
– Prueba 𝜒 2 .
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Pruebas o test estadísticos para validar el modelo.
• Test global 𝜒 2 .
– Prueba del modelo completo.
– Para analizar el valor esperado de la varianza a posteriori del
observable de peso unidad comparándolo con el valor
estimado a priori.
– Hipótesis nula Ho: 𝜎02 = 𝜎02 .
– Hipótesis alternativa H1: 𝜎02 ≠ 𝜎02 .
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Pruebas o test estadísticos para validar el modelo.
• Test global 𝜒 2 .
– Se establece el estadístico:
𝜎02
𝑌 = 2 ~𝜒𝛼,𝑟
𝜎0
– Que debe seguir una distribución chi-cuadrado.
– Se acepta Ho si:
2
𝑌 ≤ 𝜒𝛼,𝑟
– Si se cumple la condición, se acepta la hipótesis
nula.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Pruebas o test estadísticos para validar el modelo.
• Test global 𝜒 2 .
– Frecuente Test 2 con probabilidad mínima del 95%.
» Nivel de confianza del 95%.
– Admitida la hipótesis nula.
» Se procede a analizar lo que ocurre con la red.
» Fiabilidad externa
» Fiabilidad interna.
» Figuras de error.
– En caso de rechazo.
» No indica la causa.
» Otras pruebas para búsqueda de error grosero.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Pruebas o test estadísticos para validar el modelo.
• Prueba F.
– Prueba global.
– Se utiliza para comparar dos varianzas de dos muestras.
» En el caso de GNSS, compara:
• La varianza de un primer ajuste libre, con la varianza
de un segundo ajuste ligado.
• Las varianzas de dos ajustes.
• La solución de ambigüedades.
– El estadístico utilizado sigue una distribución F-Snedecor.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Pruebas o test estadísticos para validar el modelo.
• Prueba F.
– Hipótesis nula Ho: 𝜎02 = 𝜎02 .
– Hipótesis alternativa H1: 𝜎02 ≠ 𝜎02 .
– El estadístico utilizado es:
𝜎02
𝐹= 2
𝜎0
– O el estadístico:
𝑚𝑎𝑦𝑜𝑟 𝑑𝑒 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎𝑠
𝐹=
𝑚𝑒𝑛𝑜𝑟 𝑑𝑒 𝑙𝑎𝑠 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎𝑠
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Pruebas o test estadísticos para validar el modelo.
• Prueba F.
– Se aceptará la Hipótesis Nula con un nivel de significación α:
» Caso de dos colas:
𝐹 1 < 𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 < 𝐹 1
𝑟1, 𝑟2 , 1− 𝛼 𝑟1, 𝑟2 , 𝛼
2 2
» Caso de una cola:
𝐹𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 < 𝐹𝑟1,𝑟2 ,𝛼
– Se aceptaría en el caso de:
𝜎02 𝜎02 2
2 = 1 = 𝜎0 ∼ 𝐹𝛼,𝑟,∞
𝜎0
– Valor frecuente para el nivel de confianza: 99%.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Pruebas o test estadísticos para validar el modelo.
• Prueba F.
– El no superar los test globales puede deberse:
» Errores groseros.
• Test detección de errores.
» Modelo matemático no adecuado.
• Revisar modelo
– La información proporcionada por la prueba F no es muy
específica.
» Será necesario encontrar la causa.
• Detección de errores groseros: Baarda y Pope.
• Incremento de desviaciones estándar de observaciones.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Fiabilidad de una red:


– «Capacidad que tiene la red para cifrar y controlar
los errores groseros y su influencia sobre las
coordenadas».
– Cifrada por:
• Fiabilidad interna
– MDB
• Fiabilidad externa
– BNR
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• Capacidad de la red de control:
– General y específico de la calidad de los observables.
– Detección de errores groseros.
• Para cifrar la fiabilidad interna:
– Redundancia del observable.
– Test de Baarda, data snooping.
– Mínimo error detectable.
» Sesgo Mínimo Detectable (MDB).
» MDB elevado indica una observación pobremente revisada.
» Cuanto más grande MDB, menor será la fiabilidad.
» Este valor depende de 𝜷.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– Para analizar y testear los residuales.
– Basado en considerar conocida la varianza poblacional.
– Combina:
» La detección de los residuos anormalmente grandes.
» La localización del error grosero y su eliminación.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– La existencia de errores groseros es una hipótesis alternativa.
– Baarda considera solamente un error grosero.
– Es una prueba unidimensional.
– Analiza los residuos observable por observable.
– Saber si residuos siguen distribución normal 𝑁 0,1 y centrada.
» Necesario estandarizar los residuos antes de aplicar el test.
» Dividir el valor del residuo por su desviación típica.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• Redundancia de un observable.
– Parámetro adimensional.
– Muestra lo bien o mal que está controlado un observable.
– Para calcular el número de redundancias de un observable es:
𝑟𝑖 = 𝑝𝑖 · 𝑞𝑖
» 𝑟𝑖 redundancia de un observable.
» 𝑝𝑖 peso de un observable.
» 𝑞𝑖 cofactor de los residuos a posteriori del observable.
– La redundancia en el intervalo [0,1].
– El sumatorio de las redundancias de todos los observables debe
ser igual al número de redundancias del sistema planteado.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– Hipótesis nula 𝐻0 :
» El residuo está estandarizado 𝑤𝑖 ~𝑁 0,1 .
» No existe error grosero.
– Hipótesis alternativa 𝐻1 :
» Un residuo es un error grosero 𝐸 𝑤𝑖 ≠ 0.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– El estadístico a utilizar , ligado a una función de probabilidad
normal:
𝑣
𝑤𝐵𝑎𝑎𝑟𝑑𝑎 = ~𝑁 0,1
𝜎0 𝑞𝑣𝑣
– Debe seguir una distribución normal:
𝑣𝑖
𝑤𝐵𝑎𝑎𝑟𝑑𝑎 = 𝑤𝑖 =
𝜎𝑣𝑖
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– Bajo la hipótesis nula :
𝑤𝑖 |𝐻0 ∈ 𝑛 0,1
– Un test de dos colas para un nivel de significación :
– 𝐻0 es aceptada si el estadístico:
𝑁𝛼 2 0,1 ≤ 𝑤𝑖 ≤ 𝑁1−𝛼 2 0,1
– Valor frecuente  = 0.001.
– Observación sospechosa si 𝑤𝑖 > 3,29.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS
Tabla 14.2. Valores críticos más comunes para el test de Baarda
Una vez que se ha detectado un residuo anormal (outlier) en una observación se deberá eliminar dicha obse

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– Valores críticos más comunes para el test de Baarda:
Nivel de significancia / valor crítico
Nivel de significación  0.001 0.010 0.050
Valor crítico de la prueba W 3.29 2.58 1.96

– Detectado un residuo anormal (outlier) en una


observación se deberá eliminar dicha observación.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS
Tabla 14.2. Valores críticos más comunes para el test de Baarda
Una vez que se ha detectado un residuo anormal (outlier) en una observación se deberá eliminar dicha obse

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– Hipótesis alternativa (Mínimo error o sesgo detectable MDB).
» Un observable con error grosero i:
• Su residuo tipificado sigue una distribución normal 𝑁 0,1 .
• Desplazada un cierto parámetro de traslación i .
• Con igual σ ya que Qvv es invariante.
» Probabilidad de comisión de un error tipo II.
• Aceptar la hipótesis nula siendo errónea.
• Depende del parámetro de traslación i .
• No se conoce  -> tampoco se conoce .
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS
Tabla 14.2. Valores críticos más comunes para el test de Baarda
Una vez que se ha detectado un residuo anormal (outlier) en una observación se deberá eliminar dicha obse

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– La potencia del test será de 1- = 0.80.
– En el 80% de los casos aceptaremos la hipótesis
alternativa siendo cierta.
– En el 20% de los casos aceptaremos que no tiene un
error grosero y no lo rechazaremos.
𝑣𝑖 − 𝑟𝑖 · 𝛻𝑖
𝐻1 : 𝑤𝑖 = ≈𝑁 ,1
𝜎𝑣𝑖 𝜎𝑖
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– Es una prueba de una dimensión.
– Que revisa las hipótesis convencionales alternativas.
» Asume una sola observación incorrecta a la vez.
– Trabaja muy bien para observaciones individuales.
– Para líneasbase GNSS, no es suficiente.
– Es necesario probar la línea base como un todo.
– Con este fin, se introduce la prueba Tau o Pope.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST tau (POPE) 𝜏, prueba T.
– Permite analizar datos bidimensionales o tridimensionales.
– A partir de los residuos de las observaciones.
– Analiza cada vector a partir del residuo.
– La expresión del estadístico es:
𝑣
𝑇𝑒𝑠𝑡𝑃𝑜𝑝𝑒 = ~𝜏𝑟
𝜎0 𝑞𝑣𝑣
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST tau (POPE) 𝜏, prueba T.
• Sigue una distribución  (tau).
– Con r grados de libertad.
• El observables se marca si el estadístico supera el valor crítico
del test para el grado de significación elegido, es decir:
𝜏 > 𝜏𝛼 2
𝑟 · 𝑡𝛼 2 · 𝑟 − 1
𝜏𝛼 2 𝑟 =
𝑟 − 1 + 𝑡𝛼2 · 𝑟 − 1
2
– donde r es la redundancia del ajuste.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST tau (POPE) 𝜏, prueba T.
– Basado en conocer la varianza muestral a posteriori.
– Pertenece al grupo de test studentizados.
– La distribución tau converge hacia la t de Student cuando el
número de grados de libertad tiende a infinito.
– Si el residual del observable en su análisis pasa el test de Tau, o
el de Baarda indica que dicho observable no contiene errores
groseros, pero si no la pasa no necesariamente implica que
haya errores groseros
– Dependiendo de la dimensión de la cantidad que estará sujeta
a prueba, la prueba T será de 3 o 2 dimensiones.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST tau (POPE) 𝜏, prueba T.
– Valores críticos de la prueba T
Nivel de significancia/valor crítico para la prueba en dos dimensiones
Nivel de significación  0.001 0.010 0.050

Valor crítico de la prueba T 5.91 3.81 2.42

Nivel de significancia/valor crítico para la prueba T en 3 dimensiones

Nivel de significación  0.001 0.010 0.050

Valor crítico de la prueba T 4.24 2.83 1.89


CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST tau (POPE) 𝜏, prueba T.
– En 3 dimensiones puede encontrar la deformación.
» No ubicar la dirección exacta.
– La prueba W aceptada y la prueba T rechazada:
» Diferentes hipótesis.
– La prueba F, la prueba W y la prueba T están ligadas:
» Los test globales rechazan o no el modelo.
• A partir del análisis de la varianza a priori y posteriori.
» Si no se cumplen estos:
• Generalmente errores groseros.
• Se detectan con test de Baarda o el test de Pope.
• Modelo matemático si rechaza todas de un tipo.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST tau (POPE) 𝜏, prueba T.
– La prueba F, la prueba W y la prueba T están ligadas:
» Si la prueba F es rechazada y la mayoría de la prueba W.
» Problema en el modelo estocástico.
» Los valores de desviación estándar demasiado optimistas.
– La prueba F muy por debajo del valor crítico y la prueba W
(prueba T) cercanos a cero.
» Los valores de desviación estándar demasiado pesimistas.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• Ni test de Baarda ni Pope tiene en cuenta residuos
correlados.
– El hecho de que se detecte un error grosero en un observable
no implica que todo ese error será de ese observable.
– El ajuste de mínimos cuadrados distribuye los errores groseros
en el conjunto de la red.
• En estadística es importante tener en cuenta que el
hecho de que un residual no pase la prueba estadística,
no implica necesariamente que exista un error grosero
en ese observable.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad externa.
• BNR - Bias to Noise Ratio.
• Relación Señal-Ruido.
• Indica la sensibilidad ante un nivel de error.
• Establece la influencia de los errores sobre los valores
ajustados de las variables.
• Una aceptable fiabilidad interna puede no ser
suficiente.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad externa.
• Es un parámetro sin dimensión.
• Relación entre la fiabilidad y la precisión.
• Lo más deseable es que sea homogéneo.
• Se estudia principalmente la influencia de un error igual
al mínimo error detectable en cada observable sobre
cada incógnita.
• Se pretende que no se deteriore la calidad por el
impacto causado por los errores despreciados.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad externa.
• Vector de errores mínimos detectables en coordenadas 𝛻𝑥𝑜𝑖 .
• Dependiente del mínimo error detectable en observables
𝛻𝑜𝑖 .
𝛻𝑥𝑜𝑖 = 𝐴𝑇 𝑃𝐴 −1 𝐴𝑇 𝑃𝑒𝑖 𝛻𝑜𝑖 = 𝑁 −1 𝐴𝑇 𝑃𝑒𝑖 𝛻𝑜𝑖 = 𝑄𝑋𝑋 𝐴𝑇 𝑃𝑒𝑖 𝛻𝑜𝑖
– QXX matriz cofactor de incógnitas o coordenadas compensadas.
𝑄𝑥𝑥 = 𝑁 −1 = 𝑁 +
• Parámetro homogeneidad:
1 − 𝑟𝑖
𝜇𝐸𝑥𝑖 = 𝛿0 = = 𝜇𝐼𝑛𝑖 1 − 𝑟𝑖
𝑟𝑖
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Precisión.
• Figuras de error
– Elipses absolutas y relativas en vértices y ejes.
» Varianzas y covarianzas.
» Probabilidad, variable unidimensional.
• Desviación típica. 68%.
» Probabilidad, variable bidimensional.
• Varianza y covarianza. 39%
• Solo se utiliza la banda central.
» Probabilidad, variable tridimensional.
• Varianza y covarianza. 20%.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Precisión.
• Desviación típica en la distribución normal
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Precisión.
• Elipse de error absoluta de las coordenadas de los puntos.
– Elipse de confianza.
• Las expresiones que nos permiten determinar estas elipses de
error absolutas son las siguientes:
1 2
𝑎= · 𝜎𝑥2 + 𝜎𝑦2 + 𝜎𝑥2 − 𝜎𝑦2 2
+ 4𝜎𝑥𝑦
2
1 2
𝑏= · 𝜎𝑥2 + 𝜎𝑦2 − 𝜎𝑥2 − 𝜎𝑦2 2
+ 4𝜎𝑥𝑦
2
2
−𝜎𝑥2 + 𝜎𝑦2 + 𝜎𝑥2 − 𝜎𝑦2 2
+ 4𝜎𝑥𝑦
𝛼 = 𝑎𝑟𝑐𝑡𝑔 2
2𝜎𝑥𝑦
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Precisión.
• Elipses relativas en las líneas base.
• Precisión obtenida en cada eje.
• Dependen de diferencias de coordenadas.
• Son independientes del Datum.
• Los datos se obtienen de la matriz varianza-covarianza
de las coordenadas.
– Establece la figura de error entre dos vértices.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Ajuste de la red GNSS.


– Se calculan vectores o línea base.
– Red geodésica o topográfica.
– Para validar el modelo Test 𝜒 2 o test F.
– Es frecuente realizar iteraciones en el ajuste.
• Se parte de valores aproximados de los parámetros.
• Repetición del desarrollo tomando como aproximados
iniciales los obtenidos en la repetición anterior.
• Con la iteración se pierde fiabilidad estadística.
• Hay que establecer un límite de iteraciones.
• Una red bien observada debe dar una buena solución en
menos de tres iteraciones.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Ajuste de la red GNSS.


– Validada la red, detección de errores
groseros.
– La detección de errores groseros y fiabilidad
es idéntica a redes topográficas.
– En dos pasos:
• Como red libre.
• Como red ligada.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Ajuste de la red GNSS.


– Ajuste Red Libre.
• Permite evaluar la precisión de los vectores.
• Busca analizar la calidad de las observaciones.
– Los datos de partida son:
» Vectores de líneas base.
» Matriz varianza covarianza asociada .
– Los resultados del ajuste son:
» Correcciones a las coordenadas de los puntos de la red.
» Desviación típica del peso unidad.
» Vectores ajustados en WGS84 y desviaciones típicas.
» Coordenadas ajustadas en WGS84 y desviaciones típicas.
» Residuos de las observaciones .
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Ajuste de la red GNSS.


– Ajuste Red Libre.
• Analizada la calidad de los observables.
• Eliminados errores por red libre.
• Fijar la red a un marco de referencia.
– Se fijan al menos tres puntos de la red.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Ajuste de la red GNSS.


– Ponderación.
• Los elementos vectoriales (𝛥x, 𝛥y, 𝛥z) de la línea base están
correlados.
• Dos criterios de ponderación
– Matriz de varianzas/covarianzas.
» De cada línea base, calculada en el procesado.
» Depende de la calidad de dicha línea-base.
» Es el método habitual para el ajuste de una red GNSS.
– Desviación típica o estándar fija.
» Se definen las desviaciones típicas dependientes de la longitud
de la línea-base para las direcciones X, Y, Z (WGS 84).
» Las covarianzas quedan entonces fijas en cero.
» Recomendable en caso de experiencia.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Ajuste de la red GNSS.


– Ponderación.
• La elección de la opción de ponderación.
• En error de observables GNSS intervienen
muchos factores.
• Difícil cifrar un error estándar para el
observable GNSS.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Pruebas o test estadísticos para validar el modelo.
• Prueba F.
– Ejemplo.
– Varianza a posterior del peso unidad = 2.020282.
– Grados de libertad n=2.
– Nivel de significación del 0.01.
– ¿Se puede decir que esa muestra es compatible estadísticamente con su
población, o que podemos fiarnos de sus resultados?.
𝜎02 2.20282
= = 4.8523
𝜎02 1
» Se contrasta con distribución F para 2 grados de libertad muestra e
infinito población y para nivel de significación 0.01. 𝐹0.01,2,∞ = 4.61.
» Valor calculado mayor que valor critico teórico de la F.
» Se rechazaría la hipótesis nula Ho: 𝜎02 = 𝜎02.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

http://es.slideshare.net/jhonfredytchc1/tablas-estadistica-42779622
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– Ejemplo.
– Nivel de significación = 0.001.
– 0.1% de rechazar la hipótesis nula siendo cierta.
– El valor crítico es 3.29.
» Si el parámetro de Baarda 𝑤𝑖 ≥ 3.29.
• Es posible error grosero.
• Se rechaza la hipótesis nula.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

Nivel de significación  = 0.001.


𝛼
𝑝 = 0.5 −
2
𝑝 = 0.5 − 0.0005
𝑝 = 0.4995
→ 𝑡0 = 3.29
Potencia del test 1- = 0.80.
𝑝 = 1 − 𝛽 − 0.5
𝑝 = 0.80 − 0.5
𝑝 = 0.30
→ 𝑡1 = 0.84
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– Con nivel de significación  = 0.001 y test de dos colas.
– Con potencia del test 1- = 0.80, solo una cola.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– El parámetro de traslación:
𝛿0 = 3.29 + 0.83 = 4.12 → 𝑓 𝛼, 𝛽
– El error grosero i (error mínimo detectable):
𝛿0 𝜎𝑖 𝜎𝑖
𝛻𝑖 = ≥ 4.12
𝑣𝑖 𝑣𝑖
– Cualquier error grosero que cumpla este valor será rechazado
con una fiabilidad 80%.
– Podrán deslizarse un 20% de errores iguales o superiores.
» Se analizan por la fiabilidad externa.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Pruebas o test tras el ajuste.


– Fiabilidad interna.
• TEST de BAARDA. (W-test, Data snooping).
– El error grosero i (error mínimo detectable):
𝛿0 𝜎𝑖 𝜎𝑖
𝛻𝑖 = ≥ 4.12
𝑣𝑖 𝑣𝑖
– Cualquier error grosero que cumpla este valor será rechazado
con una fiabilidad 80%.
– Podrán deslizarse un 20% de errores iguales o superiores.
» Se analizan por la fiabilidad externa.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• EJERCICIO ANÁLISIS DE RESULTADOS


• En un ajuste de una red GNSS, se estaciona en 6 puntos,
de ellos 3 se consideran fijos.
• ¿Cuántas líneasbase se forman?
𝑛(𝑛 − 1)
𝑁º 𝑙í𝑛𝑒𝑎𝑠𝑏𝑎𝑠𝑒 = = 15
2
• ¿Cuántas líneasbase son linealmente independientes?
𝑁º 𝑙í𝑛𝑒𝑎𝑠𝑏𝑎𝑠𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 = 𝑛 − 1 = 5
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• EJERCICIO ANÁLISIS DE RESULTADOS


• En un ajuste de una red GNSS, se estaciona en 6 puntos, de ellos 3
se consideran fijos.
• ¿Qué tipo de test se utilizaría para evaluar de forma global la red?
– Test 𝜒 2
• Prueba del modelo completo.
• Para analizar el valor esperado de la varianza a posteriori del
observable de peso unidad comparándolo con el valor
estimado a priori.
• Hipótesis nula Ho: 𝜎02 = 𝜎02 .
• ¿Qué tipo de test se utilizaría para evaluar de forma global la red?
– Prueba F
• Prueba global.
• Se utiliza para comparar dos varianzas de dos muestras.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• EJERCICIO ANÁLISIS DE RESULTADOS


• Si la varianza a posteriori de una red ligada con 4
grados de libertad es 6.2 y libre con 8 grados de
libertad es 4.6. Para un nivel de significación de
0.05. ¿Se puede decir que pasa el test
correspondiente? (𝜒 2 )
𝜎02 2
2 < 𝜒 𝜈,𝛼
𝜎0
6.20 2
6.20
< 𝜒4,0.05 ; < 9.49 → 𝑃𝑎𝑠𝑎
1 1
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

http://es.slideshare.net/jhonfredytchc1/tablas-estadistica-42779622
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• EJERCICIO ANÁLISIS DE RESULTADOS


• Si la varianza a posteriori de una red ligada con 4
grados de libertad es 6.2 y libre con 8 grados de
libertad es 4.6. Para un nivel de significación de
0.05. ¿La red libre y ligada son coherentes?.
2
𝜎𝑙𝑖𝑏𝑟𝑒
2 < 𝐹𝜈1,𝜈2,𝛼
𝜎𝑙𝑖𝑔𝑎𝑑𝑎
4.6 4.6
< 𝐹8,4,0.05 ; < 6.04; 0.74 < 6.04 → 𝐶𝑜ℎ𝑒𝑟𝑒𝑛𝑡𝑒
6.2 6.2
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

http://es.slideshare.net/jhonfredytchc1/tablas-estadistica-42779622
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• EJERCICIO ANÁLISIS DE RESULTADOS


• Si en una observación el valor del parámetro Baarda
𝑤 = 2.56.
• ¿Con qué nivel de significación diríamos que no se
detectan errores groseros?.
W test o Baarda
Nivel de significación 𝛼 0.001 0.010 0.050
Valor crítico de la prueba W 3.29 2.58 1.96

– Con valor 1.6 no existen errores groseros, no se detectan


errores.
– Con valor 2.58 sí existen errores y se detectan.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• EJERCICIO ANÁLISIS DE RESULTADOS


• En el caso del test de Tau, caso de un vector, en tres
dimensiones, sea el valor 𝑇 = 2.10, ¿se acepta este
vector o presenta error grosero según el test T para un
nivel de significación de 0.05?.
Nivel de significación/Valor crítico para la prueba T en tres dimensiones
Nivel de significación 𝛼 0.001 0.010 0.050
Valor crítico de la prueba T 4.24 2.83 1.89

– Valor calculado -> 2.10.


– Valor crítico -> 1.89.
– No pasa.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Ejercicios propuestos en clase.


• Varianza a posterior del peso unidad = 3.5942.
• Grados de libertad n=3.
• Nivel de significación del 0.01.
• ¿Se puede decir que esa muestra es compatible
estadísticamente con su población, o que podemos fiarnos
de sus resultados?.
𝜎02 3.5942
= = 12.9168
𝜎02 1
– Se contrasta con distribución F para 4 grados de libertad muestra
e infinito población y para nivel de significación 0.01. 𝐹0.01,2,∞ =
3.32.
– Valor calculado mayor que valor critico teórico de la F.
– Se rechazaría la hipótesis nula Ho: 𝜎02 = 𝜎02 .
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

http://es.slideshare.net/jhonfredytchc1/tablas-estadistica-42779622
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Ejercicios propuestos en clase.


• En un ajuste de una red GNSS, se estaciona en 8
puntos, de ellos 4 se consideran fijos.
• ¿Cuántas líneasbase se forman?
𝑛(𝑛 − 1)
𝑁º 𝑙í𝑛𝑒𝑎𝑠𝑏𝑎𝑠𝑒 = = 28
2
• ¿Cuántas líneasbase son linealmente independientes?
𝑁º 𝑙í𝑛𝑒𝑎𝑠𝑏𝑎𝑠𝑒 𝑖𝑛𝑑𝑒𝑝𝑒𝑛𝑑𝑖𝑒𝑛𝑡𝑒𝑠 = 𝑛 − 1 = 7
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Ejercicios propuestos en clase.


• En un ajuste de una red GNSS, se estaciona en 6 puntos, de ellos 3
se consideran fijos.
• ¿Qué tipo de test se utilizaría para evaluar de forma global la red?
– Test 𝜒 2
• Prueba del modelo completo.
• Para analizar el valor esperado de la varianza a posteriori del
observable de peso unidad comparándolo con el valor
estimado a priori.
• Hipótesis nula Ho: 𝜎02 = 𝜎02 .
• ¿Qué tipo de test se utilizaría para evaluar de forma global la red?
– Prueba F
• Prueba global.
• Se utiliza para comparar dos varianzas de dos muestras.
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Ejercicios propuestos en clase.


• Si la varianza a posteriori de una red ligada con 3
grados de libertad es 8.36 y libre con 7 grados de
libertad es 2.1. Para un nivel de significación de
0.05. ¿Se puede decir que pasa el test
correspondiente? (𝝌𝟐 )
𝜎02 2
2 < 𝜒𝜈,𝛼
𝜎0
8.36 2
8.36
< 𝜒3,0.05 ; > 7.81 → 𝑁𝑜 𝑃𝑎𝑠𝑎
1 1
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

http://es.slideshare.net/jhonfredytchc1/tablas-estadistica-42779622
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

• Ejercicios propuestos en clase.


• Si la varianza a posteriori de una red ligada con 3
grados de libertad es 8.36 y libre con 7 grados de
libertad es 2.10. Para un nivel de significación de
0.05. ¿La red libre y ligada son coherentes?.
2
𝜎𝑙𝑖𝑏𝑟𝑒
2 < 𝐹𝜈1,𝜈2,𝛼
𝜎𝑙𝑖𝑔𝑎𝑑𝑎
2.10 2.10
< 𝐹7,3,0.05 ; < 8.89; 0.25 < 8.89 → 𝐶𝑜ℎ𝑒𝑟𝑒𝑛𝑡𝑒
8.36 8.36
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

http://es.slideshare.net/jhonfredytchc1/tablas-estadistica-42779622
CAPÍTULO 14.
ANÁLISIS DE RESULTADOS

FIN
GRACIAS POR VUESTRA ATENCIÓN