Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Metodo Parametrico
Metodo Parametrico
ARMADAS (ESPE)
CALCULO DE COMPENSACIÓN
METODO PARAMETRICO
NRC:2184
SANGOLQUÍ, 2019
EJERCICIO 1
I. SOLUCIÓN:
La=F (X a)
1000
800
600
400
200
0
500 1000 1500 2000
1070
Xo
840
Paso 3.Matriz de observaciones estimadas Lo
243.24910
4
309.82824
6
770.51465
Lo
9
292.76445
4
129.13018
6
Paso 4. L=L0 −Lb
-1.26289622
-11.7417541
L -2.63934084
12.7724539
5.49646395
Paso 5. Matriz de derivadas parciales
∂F
A=
∂X
X Y
0.93615556 -0.35158608
A
-0.86352359 -0.50430844
-0.98859508 0.15059804
0.78422089 0.62048175
-0.00018233 0.00663565
6944.4444
4 0 0 0 0
0 3906.25 0 0 0
692.52077
P
0 0 6 0 0
5102.0408
0 0 0 2 0
0 0 0 0 0.25
Paso 7. N −1 =[ A T ∗P∗A ]−1
8.35241E-05 -3.91246E-05
N^-1
-3.91246E-05 0.000279296
U =A T ∗P∗L
84307.541 84307.541
8 8
U
66372.975 66372.975
1 1
Paso 8. Matriz vector corrección de parámetros X =−N−1∗U
-4.44488932
X
-15.2392259
Paso 9. Matriz de residuales V = AX + L
-0.066104281
-0.218217065
V -0.540142743
-0.168982631
5.396152196
Paso 10. Matriz de parámetros ajustados X a=X 0 + X
1065.5551
1
Xa
824.76077
4
L
Paso 11. Matriz de observaciones ajustadas a b
=L +V
244.44589
6
La 321.35178
3
772.61385
7
279.82301
7
129.02987
4
V T PV
Paso 12. Varianza posteriori σ^ 2=
n−u
σ^ 2=¿ 190.457016
244.445894
321.351782
La 772.613858
279.823019
2.15343518
\Matriz de residuos
-0.06610551
-0.21821801
-0.540142
V
-0.16898136
-0.00438034
Varianza Posteriori
σ^ 2=¿ 188.030479
Matriz de pesos
1 0 0 0 0
0 0.5625 0 0 0
0.0997229
P 0 0 9 0 0
0.7346938
0 0 0 8 0
0 0 0 0 0.000036
Matriz de parámetros ajustados
1065.5551
1
Xa
824.76077
4
Matriz de residuos
-0.06610428
-0.21821707
V -0.54014274
-0.16898263
5.3961522
Matriz de observaciones ajustadas.
244.44589
6
321.35178
3
772.61385
La
7
279.82301
7
129.02987
4
Varianza posteriori
σ^ 2=¿ 0.02742581
2 1
Utilizando la Varianza a priori σ = 692.52077
Matriz de pesos
10.027777
8 0 0 0 0
0 5.640625 0 0 0
P 0 0 1 0 0
7.3673469
0 0 0 4 0
0 0 0 0 0.000361
Matriz de parámetros ajustados
1065.5551
1
Xa
824.76077
4
Matriz de residuos
-0.06610428
V
-0.21821707
-0.54014274
-0.16898263
5.3961522
Matriz de observaciones ajustadas.
244.44589
6
321.35178
3
772.61385
La
7
279.82301
7
129.02987
4
Varianza posteriori
σ^ 2=¿ 0.27501993
1065.5551
1
Xa
824.76077
7
Matriz de residuos
-0.06610551
-0.21821801
V
-0.540142
-0.16898136
Matriz de observaciones ajustadas.
244.44589
4
321.35178
2
La
772.61385
8
279.82301
9
Varianza posteriori
σ^ 2=¿ 188.030478
1065.5551
1
Xo1
824.76077
4
Observaciones estimadas.
Observacion
Lb1 es
Lb1 244.445896
Lb2 321.351783
Lb3 772.613857
Lb4 279.823017
Lb5 129.029874
Matriz L
0.51196733
0.1854117
L 0.16020859
0.15096592
-5.55055212
Matriz de derivadas
X Y
0.91147966 -0.41134514
-0.84590179 -0.53333869
A
-0.99145652 0.13043757
0.80417154 0.59439728
2.0533E-05 0.00635177
Matriz X vector de corrección de parámetros
3137.35374 3137.35374
12544.7141 1507.81675 U
N -1376.45734 -1376.45734
1507.81675 4100.54193
. X =−N−1∗U
-0.30387075
X
0.44741372
Matriz de parámetros ajustados
1065.2512
4
Xa
825.20818
8
Matriz de residuos
0.05095387
0.20383346
V 0.51984278
0.17254321
-5.54771649
Matriz de observaciones ajustadas.
244.49685
321.55561
6
La 773.1337
279.99556
1
123.48215
8
Varianza posteriori
σ^ 2=¿ 175.686462
Segunda Iteración
Asignar los valores de Xa como el valor estimado Xo y las observaciones
ajustadas La cómo observaciones estimadas Lb.
1065.2512
4
Xo2
825.20818
8
Observaciones estimadas.
Observacion
Lb2 es
Lb1 244.4968496
Lb2 321.5556164
Lb3 773.1337
Lb4 279.9955606
Lb5 123.4821579
Matriz L
L 0.0001635
7
0.0004543
2
0.0001055
3
0.0005215
3
0.1597530
9
Matriz de derivadas
X Y
0.91195486 -0.41029054
-0.84679714 -0.53191598
A
-0.99138824 0.13095558
0.80302281 0.5959483
2.3907E-05 0.00636336
Matriz X vector de corrección de parámetros
-0.00012753
X
1.8027E-06
Matriz de parámetros ajustados
1065.2511
Xa 1
825.20819
Matriz de residuos
4.653E-05
0.0005613
5
0.0002321
V
9
0.0004202
0.1597530
9
Matriz de observaciones ajustadas.
244.49689
6
321.55617
8
La 773.13393
2
279.99598
1
123.64191
1
Varianza posteriori
σ^ 2=¿ 0.00285479
II. RESULTADOS
Cambio de Varianza 4
Angulo a Varianza Apriori observacione
Ejercicio 1 radianes Apriori alta media s Iteración 1 Iteración 2
Xp 1065.55511 1065.2512 1065.2511
a 1065.55511 1065.55511 1065.55511 1 1065.55511 4 1
Yp 824.760774 825.20818
a 824.760774 824.7607766 824.760774 1 824.7607766 8 825.20819
Fuente: García C, 2019
III. CONCLUSIONES
Con respecto a los parámetros ajustados en los casos del ejercicio 1,
cambio de ángulo a radianes, varianza a priori alta, varianza a priori
media y la medición con 4 observaciones; que los parámetros
ajustados se mantienen. Lo cual demuestra que a pesar de los
cambios que se realizaron anteriormente no interfieren en el cálculo.
Mientras que en las iteraciones si varían los parámetros ajustados
debido a que consideramos los valores resultantes de Xa y La del
Ejercicio 1 y esto indica un mejor ajuste en los parámetros (Xa). (Ver
tabla 3).
Las observaciones ajustadas (La) al realizar la segunda iteración nos
muestra que se ajustan de mejor manera a comparación de los casos
antes mencionados. (Ver tabla 4)
Se evidencia que cuando se utiliza la varianza a priori con respecto a
la mejor precisión en la matriz de pesos, la varianza posteriori tiende
a 0 esto nos muestra que existe un mejor ajuste en los parámetros
(Xa) y observaciones (La). (Ver tabla 5)
En este problema es necesario realizar las iteraciones necesarias para
que nuestra varianza posterior tienda a 0 debido a que a pesar que se
utilice la mejor precisión en la matriz de pesos el resultado de la
varianza posteriori es mayor al valor de la varianza posteriori de
nuestra segunda iteración. (Ver tabla 5)