UNIVERSIDAD DE LAS FUERZAS

ARMADAS – ESPE

Nombre: Leidy Yasaca Chinlli

CÁLCULO DE COMPENSACIÓN
NRC: 2294

TAREA
AJUSTE DE OBSERVACIONES POR
MÉTODO PARAMÉTRICO

DOCENTE: Ing. ALEXANDER ALFREDO

ROBAYO NIETO

Fecha de entrega: 13/11/2019

I. TEMA: Ajuste de observaciones por el método paramétrico

II. OBJETIVOS

OBJETIVO GENERAL

Calcular el valor verdadero de ciertas observaciones desde 4 puntos conocidos a una

estación desconocida P, empleando un ajuste de observaciones por el método
paramétrico, para poder hallar las coordenadas de dicho punto P y su precisión

OBJETIVOS ESPECÍFICOS

 Desarrollar los respectivos 12 pasos del método paramétrico

 Realizar una gráfica de los puntos conocidos para obtener los valores estimados
de las coordenadas del punto P.
 Realizar las iteraciones necesarias para acercarnos lo más posible al valor
verdadero del punto P.
 Realizar un análisis de resultados, para conocer las variaciones dadas al hacer
mayor número de iteraciones.

III. MARCO TEÓRICO

Características del Método Paramétrico:

 Utiliza parámetros o incógnitas para su desarrollo.

 Es necesario conocer un valor estimado.
 Las ecuaciones de observación contienen observaciones y parámetros.
 El número de ecuaciones a plantear es igual al número de observaciones.
 El número de parámetros es igual a n0 .
IV. PROCEDIMIENTO
EJERCICIO
Son conocidas las coordenadas de 4 puntos y estas fueron observadas a una estación
desconocida P. Hallar las coordenadas del punto P y su precisión.

Tabla1. Coordenadas conocidas

Puntos X Y
P1 842,281 925,523
P2 1337,544 996,249
P3 1831,727 723,962
P4 840,408 658,345

Tabla2. Distancias medidas a P ( X a Y a )

 lbi Distancia (m) Varianza
lb1 244,512 0.012
lb2 321,570 0.016
lb3 773.154 0.038
lb4 279.992 0.014
lb5 123°38’1.4” 2.0”

Grados Minutos Segundos Decimales Radianes

lb5 123 38 1.4 123.6337222 2.157815519

PARTE I
PASOS
1. Plantear las ecuaciones
Se debe identificar las incógnitas.
P ( X pa ,Y pa) → Incógnita

La=f ( X a)

l 1 a=√2 ¿ ¿
l 1 a=√2 ¿ ¿
l 1 a=√2 ¿ ¿
l 1 a=√2 ¿ ¿
X p 2− X pa −1 X p1 −X pa
l 5 a=tan
−1
( Y p 2−Y pa) −tan ( Y p1 −Y pa )
2. Estimado X 0

X 0 1070
( )
900

3. Observaciones estimadas 4. Matriz L

L0=f ( X 0) L=L0 −Lb

229.14486 -15.36714
Lo= 284.33019 L= -37.23980
781.80394 8.64994
333.33110 53.33910
5. Matriz de derivadas parciales 0.52682
2.68464

δF
A=
δXa
Xo
 ∂ F1 ( X 1−XPa ) ∂ F1 ( Y 1−YPa )
∂ XP a
=−
( √ ( X 1 −XPa )2 +( Y 1−YP a )2 ) ∂YP a
=−
( √ ( X 1− XPa )2 + ( Y 1−YPa ) 2 )
∂ F2 ( X 2−XPa ) ∂ F2 ( Y 2−YP a )
∂ XP a (
=−
√ ( X 2−XPa )2 + ( Y 2−YPa )2 ) ∂YP a
=−
(√ ( X 2− XPa )2 +( Y 2−YP a )2 )
∂ F3 ( X 3− XPa ) ∂ F3 ( Y 3−YP a )
∂ XP a (√
=− 2
( X 3 −XPa ) + ( Y 3 −YPa )
2
) ∂YP a
=−
(√ 2
( X 3 −XPa ) + ( Y 3−YP a )
2
)
∂ F4 ( X 4 −XPa ) ∂ F4 ( Y 4−YPa )
∂ XP a (√
=− 2
( X 4− XPa ) + ( Y 4 −YPa )
2
) ∂YP a
=−
(√ 2
( X 4−XPa ) + ( Y 4−YP a )
2
)
1 1 ( X 2− XPa ) ( X 1− XPa )
∂ F5
∂ XP a
( ( )) ( ( )) ( ( )) ( ( ))
=−
( Y 2−YPa )
X −XP a
1+ 2
Y 2−YP a
2
+
( Y 1−YPa )
X −XP a
1+ 1
Y 1−YPa
2
∂ F5
∂YP a
=
( Y 2−YPa )
X −XP a
1+ 2
Y 2−YPa
2

2
−
( Y 1−YP a )
X − XP a
1+ 1
Y 1−YPa
2

0,99377748 -0,11138369
-0,94096231 -0,33851135
A= -0,97431973 0,22516899
0,68878061 0,72496985
-0,00070447 0,00764629

6. Matriz Peso

1
P=
σ2

6944,444444 0 0 0 0
0 3906,25 0 0 0 P=
0 0 692,520776 0 0
0 0 0 5102,04082 0
0 0 0 0 0,25
7. Matrices N

N −1 =¿

N −1 = 9,20944E-05 -8,1353E-05
-8,1353E-05 0,000379517

8. Matriz U

U =A T PL

212434,8135
U=
259769,8877

9. Matriz vector de corrección de los parámetros

X =N−1∗U

1.569002151
X=
-81.3048537

10. Matriz de Parámetros ajustados

X a=X 0 + X

1071.569002
Xa=
818.6951463

11. Matriz de residuales

V = AX + L

-4.75186719
-11.1935572
V= -11.1861016
-4.52376414
-0.09595886

12. Observaciones ajustadas

La=Lb +V
 239.7601328
310.3764428
La= 761.9678984
275.4682359
2.061856659
13. Calculo del Indicativo de la precisión (Varianza Posteriori).

T
2 V PV
σ^ =
n−u
Donde:
n−u n=Número de Observaciones . (Grados de Libertad )
{ u=Número de Incognitas .

n−u=3

σ^ =¿279102.804
2

Iteraciones

X a→ Xo La → Lb

Primera iteración

Nuevo Lb Nuevo valor estimado

239.7601328 1071.569002
Xo=
310.3764428 818.6951463
Lb= 761.9678984
275.4682359
2.061856659

Cambian matrices

1064,171066
Xa= 831,4522763

1,099328982
8,487340313
V= 12,98909513
7,05607666
0,134495125
 240,8594618
318,8637831
La= 774,9569936
282,5243125
2,196351784

Se obtiene la varianza a posteriori:

σ^2=¿220213,4349

Segunda iteración

Nuevo Lb Nuevo valor estimado

240.859462 1064.17107
Xo=
318.863783 831.452276
Lb= 774.956994
282.524313
2.19635178

Cambian matrices

1064,067252
Xa=
831,4648379

0,047321959
0,421900555
V= 0,193539779
0,307676015
0,001843785

240,9067838
319,2856837
La= 775,1505333
282,8319885
2,198195568

Se obtiene la varianza a posteriori:

σ^2=406.595628

Tercera iteración
 Nuevo Lb Nuevo valor estimado

240.906784 1064.06725
Xo=
319.285684 831.464838
Lb= 775.150533
282.831989
2.19819557

Cambian matrices

1064,06725
Xa=
831,4648357

8,26664E-07
9,2804E-06
V= 1,60734E-06
6,6593E-06
-1,16555E-07

240,9067846
319,285693
La= 775,1505349
282,8319952
2,198195452

Se obtiene la varianza posteriori:

σ^2=1,9∗10−7

PARTE II.

Determinar las coordenadas ajustadas del punto P con los datos del ejercicio propuesto
de la PARTE I, modificando los valores estimados de P

1065.2
Xo=
825.2
3. Observaciones estimadas 4. Matriz L
L0=f (X 0) L=L0 −Lb

244.453646 -0.05835431
Lo= 321.603816 L= 0.03381642
773.183532 0.02953214
279.950057 -0.04194322
2.15790508 8.9564E-05

5. Matriz de derivadas parciales

δF
A=
δXa
Xo

0.91190704 -0.41039682
-0.84683075 -0.53186247
A= -0.99139075 0.13093657
0.8029718 0.59601703
2.5051E-05 0.00636354

7. Matrices N

N −1 =¿

8.3414E-05 -3.0776E-05
N −1 = -3.0776E-05 0.00025532

8. Matriz U

U =A T PL

-673.510416
U=
-28.8154986

9. Matriz vector de corrección de los parámetros

X =N−1∗U

X= 0.05529351
-0.01337077

10. Matriz de Parámetros ajustados

 X a=X 0 + X

1065.25529
Xa=
825.186629

11. Matriz de residuales

V= V = AX + L

-0.00244445
-0.00589641
-0.02703606
V=
-0.0055133
5.8641E-06
13. Observaciones ajustadas

La=Lb +V

244.509556
321.564104
La=
773.126964
279.986487
2.15782138
13. Varianza Posteriori
T
2 V PV
σ^ =
n−u

σ^2=¿0.27952922

14. Calcular las precisiones de ∑Xa, ∑La y ∑V.

∑ La=σ 02∗A∗N −1∗AT

3,78492E-05 -1,24498E-06 -2,94421E-05 -2,2248E-06 -2,35689E-07
-1,24498E-06 2,91605E-05 1,10229E-05 -3,04631E-05 -1,95574E-07
-2,94421E-05 1,10229E-05 2,6374E-05 -8,81294E-06 1,13133E-07
∑ La=¿ ¿ -2,2248E-06 -3,04631E-05 -8,81294E-06 3,21526E-05 2,27073E-07
-2,35689E-07 -1,95574E-07 1,13133E-07 2,27073E-07 2,88737E-09

∑ V =σ 02∗( A∗N−1 A T −P−1)

 -2,40301E-06 -1,24498E-06 -2,94421E-05 -2,2248E-06 -2,35689E-07
-1,24498E-06 -4,2399E-05 1,10229E-05 -3,04631E-05 -1,95574E-07
∑ V =¿ ¿ -2,94421E-05 1,10229E-05 -0,000377266 -8,81294E-06 1,13133E-07
-2,2248E-06 -3,04631E-05 -8,81294E-06 -2,26351E-05 2,27073E-07
-2,35689E-07 -1,95574E-07 1,13133E-07 2,27073E-07 -1,11811689

∑ Xa=σ 02∗¿ N−1 ¿

2,3317E-05 -8,6028E-06
∑ Xa=¿ ¿ -8,6028E-06 7,137E-05

Iteraciones

Primera iteración

Nuevo Lb Nuevo valor estimado

244.509556 1065.25529
Xo=
321.564104 825.186629
Lb= 773.126964
279.986487
2.15782138

Cambian matrices

1065,25529
Xa=
825,186628

1,97897E-07
3,43017E-06
V= 3,38126E-07
2,51991E-06
-3,12214E-08

244,5095558
321,564107
La = 773,1269643
279,9864892
2,157821352

Se obtiene la varianza posteriori:

σ^2=2,6∗10−8
 Calcular las precisiones de ∑Xa, ∑La y ∑V
∑ Xa=σ 02∗¿ N−1 ¿
2,1885E-12 -8,0765E-13
∑ Xa=¿ ¿
-8,0765E-13 6,6998E-12

1065.255293± 1.47934E-06
825.1866283± 2.5884E-06

∑ La=σ 02∗A∗N −1∗AT

3,5526E-12 -1,16174E-13 -2,76349E-12 -2,08339E-13 -2,21241E-14
-1,16174E-13 2,73751E-12 1,0341E-12 -2,85942E-12 -1,83605E-14
∑ La=¿ ¿ -2,76349E-12 1,0341E-12 2,47546E-12 -8,2742E-13 1,06217E-14
-2,08339E-13 -2,85942E-12 -8,2742E-13 3,01739E-12 2,13065E-14
-2,21241E-14 -1,83605E-14 1,06217E-14 2,13065E-14 2,71004E-16

1.88483E-
244.5095558± 06
321.564107± 1.65454E-06
773.1269643± 1.57336E-06
279.9864892± 1.73706E-06
2.157821352± 1.64622E-08

∑ V =σ 02∗( A∗N−1 A T −P−1)

-2,25484E-13 -1,16174E-13 -2,76349E-12 -2,08339E-13 -2,21241E-14
-1,16174E-13 -3,97908E-12 1,0341E-12 -2,85942E-12 -1,83605E-14
∑ V =¿ ¿ -2,76349E-12 1,0341E-12 -3,54103E-11 -8,2742E-13 1,06217E-14
-2,08339E-13 -2,85942E-12 -8,2742E-13 -2,125E-12 2,13065E-14
-2,21241E-14 -1,83605E-14 1,06217E-14 2,13065E-14 -1,04947E-07

4.74851E-
1.97897E-07± 07
1.99476E-
3.43017E-06± 06
5.95066E-
V. RESULTADOS 3.38126E-07± 06
1.45774E-
Tabla 3. Comparación 2.51991E-06± 06 de los valores obtenidos en la
varianza posteriori con 0.00032395 Xo (1070,900)
-3.12214E-08± 5
Sin
Con iteraciones
iteración
Varianza
Posteriori Una iteración Dos iteraciones Tres iteraciones
279102.804
220213.4349 406.595628 1,9∗10−7
Tabla 4. Comparación de los valores obtenidos en la varianza posteriori con Xo
(1065.2; 825.2)

Sin iteración Con iteración

Varianza
Posteriori Una iteración
0.27952922
2,6∗10−8

Tabla 5. Comparación de los valores de los parámetros ajustados obtenidos con Xo

(1070,900)

Tabla 6. Comparación de los valores de los parámetros ajustados obtenidos con Xo

(1065.2; 825.2)

Con iteración
Parámetros
Sin iteración
ajustados
Una iteración

Xa 1065.25529 1065,25529

Ya 825.186629 825,186628
Parámetros Con iteraciones
Sin iteración
ajustados Una iteración Dos iteraciones Tres iteraciones

Xa 1071.569002 1064,171066 1064,067252 1064,06725

Ya 818.6951463 831,4522763 831,4648379 831,4648357

VI. CONCLUSIONES

 El planteamiento de las ecuaciones de condición y la determinación de un valor

estimado son factores que facilitan el desarrollo del método paramétrico y por
ende garantizarán la obtención de resultados idóneos.
 Ya que el número de iteraciones que hagamos depende de que tan bien se escoge
el valor estimado Xo, se puede concluir que Xo (1065.2; 825.2) se encuentra
más cercano al valor real ya que solo se realizó una iteración, mientras que con
Xo (1070,900) se realizó 3 iteraciones.
 Se conoce que la varianza posteriori es un indicador de la precisión y al trabajar
con Xo (1065.2; 825.2), la varianza posteriori presenta un valor muy cercano a
cero después de una iteración, mientras que con Xo (1070,900) la varianza
posteriori tiende a cero después de la tercera iteración. Se puede concluir que el
trabajar con Xo (1065.2; 825.2) nos dará mejor precisión en el ajuste de
nuestras observaciones.
  En la tabla 3 se observa que al llegar a la tercera iteración la varianza posteriori
toma valores muy cercanos a 0, lo que nos indica que se está por obtener el valor
verdadero de nuestras observaciones.
 En la tabla 3 y 4 se observa como con cada que se realiza una iteración, la nueva
varianza posteriori es menor a la anterior.
 En la tabla 5 se observa un cambio notorio en los valores de los parámetros
ajustados cuando se ha realizado o no una iteración, mientras que posteriormente
al seguir iterando se observa un cambio despreciable.
 Se puede concluir que las iteraciones dan el mejor resultado de los parámetros,
al obtener una mejor precisión en el ajuste, evidenciándolo mediante el valor
cercano a cero de la varianza posteriori.

VII. RECOMENDACIONES

 Desarrollar la resolución del ejercicio con el mayor número de observaciones

para que la varianza posteriori presente un elevado nivel de confianza.
 Tomar el mayor número de observaciones posible para obtener abundancia
de datos garantizará un mejor resultado.
 El requisito para poder efectuar el ajuste por el método paramétrico es
conocer de cualquier manera el valor estimado de las incógnitas.
 En una matriz de pesos no se debe cambiar los grados a radianes debido a
que la matriz es cuadrática y adimensional.
 Si se trabaja con un modelo lineal se debe obviar el proceso de iteración.