第3章 平差随机模型的验后估计

合集下载

测量平差的数学模型

测量平差的数学模型

本节重点:(1)测量平差的函数模型定义,类型;测量平差的数学模型包括:条件平差法模型、间接平差法模型、附有参数的条件平差法模型、附有限制条件的间接平差法模型、综合平差模型;(2)测量平差的随机模型。

本节教学思路:首先说明平差的数学模型分两类:函数模型与随机模型,进而分别阐述其定义、分类及建立的方法和模型的具体形态。

教学内容:一、平差模型的定义与分类1 •从模型的性质分:函数模型、随机模型,函数模型连同随机模型称平差的数学模型;2 •函数模型又分为:条件平差法模型、间接平差法模型、附有参数的条件平差法模型、附有限制条件的间接平差法模型、综合平差模型;二、各类函数模型的建立(一)概述1 •函数模型定义:在科学技术领域,通常对研究对象进行抽象概括,用数学关系式来描述它的某种特征或内在的联系,这种数学关系式就称为函数模型。

2.函数模型的意义与特点函数模型是描述观测量与待求量之间的数学函数关系的模型。

对于一个平差问题,建立函数模型是测量平差中最基本、最重要的问题,模型的建立方法不同,与之相应就产生了不同的平差方法。

函数模型有线性与非线性之分,测量平差通常是基于线性函数模型,当函数模型为非线性时(如(2-1-4 )式),总是要将其线性化。

(二)各种经典平差方法及其线性函数模型的建立方法。

1.条件平差法及其函数模型首先通过两个例子,来说明条件平差函数模型的建立方法。

A图2-2在图2-1中,观测了三个内角,n=3, t=2,贝U r=n-1=1,存在一个函数关系式(条件方程),可以表示为:L i L2 L3 -180 = 0令A13=[1 1 1]3 1 =[ L1 L2 L3 ] TA O=[-18O]则上式为AL A0 ~ 0(2-2-1 )再如图2-2水准网,D为已知高程水准点,A、B、C均为待定点,观测值向量的真值为〜〜[h i6 1 1〜〜〜〜〜h2 h3 h4 h5 h6 ]其中n=6,t=3,则r=n-t=3,应列出3个线性无关的条件方程,它们可以是:F i(~) * -h2 -~4 =0F2(~)-~3 E = 0F3(~)=~ _忘 _~6 =0AL =0(2-2-2 )般而言,如果有 n 个观测值Ll ,必要观测个数为t ,则应列出r=n-t 个条件方程,(2-2-3)如果条件方程为线性形式,则可以直接写为A ~ A 0 = 0r ::n n 1 r 1 r 〉」1将[二L •厶代入(2-2-4 )式,并令(2-2-4)则(2-2-4 )式为W - -(AL A o )(2-2-5)(2-2-6)(2-2-4 )或(2-2-6 )式即为条件平差的函数模型。

第3章最小二乘平差

第3章最小二乘平差
测量数据的函数模型一般为:
几何模型、物理模型或几何、物理综合模型。 (测量控制网如水准网、三角网、GPS网等都属于几何模型) 建立不同的函数模型,就有了不同的平差方法。测量中常 用的有: 1、条件平差法、附有参数的条件平差; 2、间接平差法、附有限制条件的间接平差;
3、附有限制条件的条件平差法。
例如:为确定一个三角形的形状,若等精度独立 观测了三角形三个内角,观测值方差为 2 。 则平差的数学模型可表达为:
L1 L1 L1 1800 0 或: E ( L1 ) E ( L1 ) E ( L1 ) 1800 0
函数模型:
随机模型:
2 0 0 Q11 0 2 DL 0 2 0 0 0 Q22 2 0 0 0 0
1、条件平差法
条件平差的函数模型 观测值的数学期望之间的函数关系式,又称为条件方程。 条件平差 以条件方程为函数模型的平差方法,称为条件平差方法。
h1 h5 h4 0 h2 h5 h6 0 h3 h4 h6 0 h1 h2 h3 0
h1 h5 h4 0 h2 h5 h6 0 h3 h4 h6 0 h1 h2 h3 0 h1 h2 h4 h6 0 .......
X1
X2
L3 X 1 X 2 180
0
t=2,选2个参数,函数模型:
选:X 1 L1 X 2 L2
1 0 0 , B0 0 B 0 1 0 1 1 180
3,1
L B XB
3,2 2,1
0
3,1
h1 h5 h4 0 h2 h5 h6 0 h3 h4 h6 0

现代测量平差原理及其模型误差分析

现代测量平差原理及其模型误差分析

D ( X q ) 0 2 ( A T q ) 1 A A T q 1 q ( A P T q ) 1A
D (X q)D (X )
E(02)E(vTfqq v)02
3)随机模型误差对函数模型的影响
函数模型
H 0 : E ( Y ) 0 ;H 1 : E ( Y ) Y
LA X G Y
阵不尽合理等原因都会造成函数模型和随机模 但在实际平差系统中,由于种种原因的建模近似,例如非线性观测方程的线性化;
权的正确值应为p,现定权为q
型产生误差。模型近似在回归拟合模型中则更
为突出。
4、模型误差若干理论问题
1)函数模型不完善参数估计性质
函数模型不完善或者说存在函数模型误差,可理
解为所建模型的参数个数过多或不足。当参数
DXˆ
Q2
0 XˆXˆ
秩亏自由网平差
R(A)=t<u
d=u-t R(Q)=n X非随机
V T P V minX T X min
Xˆ Nm- ATP V AXˆ
QXˆXˆ N
ˆ02
VT PV nR(A)
VT PV nt
DXˆ 02QXˆXˆ
具有奇异协方差的平差模型
R(Q)=g<n R(A)=u X非随机
为核心的数据采集技术。 4、模型误差若干理论问题
4〕函数模型误差和随机模型误差相互转化
1、测量平差数学模型
函数模型是描述观测量与待求参数间的
数学函数关系的模型,是确定客观实际的本 质或特征的模型。
随机模型是描述平差问题中的随机量
(如观测量)及其相互间统计相关性质的模 型。
经典平差模型
LAX
n1 nuu1 n1

第三章条件平差

第三章条件平差

独立三角网
自由三角网
自由测角网
附合三角网(测角)
• 例:
∆ቤተ መጻሕፍቲ ባይዱ
α ∆
当n=35、n=22、n=35+22时,其条件式个数各为多 少?有哪些类型?
图形条件(内角和条件):
B
b1
a2
c1 D c2 a1 b3 c3 a3 b2 C
A
圆周条件(水平条件):
b1
a2
c1 a1 a3 c3
c2 b2 b3
5.1.06、 5.1.07
上节内容回顾:
改正数条件式 观测值的协方差阵 法方程
AV W 0
D P Q
2 0 1 2 0
r n n n
Naa K W 0 N aa AQ AT
r r n r
改正数方程
V P A K QA K
T
1 T
wr
T
• 则条件方程可写成:
ˆA 0 AL 0
• 以及改正数条件式:
W AL A0
AV W 0
这样一来,对于一个平差问题,我们能够得到 其数学模型:
AV W 0 D P Q
2 0 1 2 0
下面要解决的问题是: 由上述的数学模型来求改正数V。
不难发现,不能求得V的唯一解!!! 解决不唯一解的办法就是附加一个约束条件---“最小二乘估计” 即满足:
极条件(边长条件):
b1 a2
c1
a1 b3 c3
c2 b2 a3
极条件(边长条件)就是指由不同路线推算得到 的同一边长的长度应相等。
三角网的基本图形 1) 单三角形 2)大地四边形
3)中点多边形。

第三章 监测网平差及参考点稳定性检验

第三章 监测网平差及参考点稳定性检验
1
V T PV s nt d
求 ( NN ) : 可以在方阵中任意去掉d行、d列,把余下的式子 (已是满秩的)求出凯来逆,再在原来去掉的行、列补上0, 即为NN的一个广义逆。
因广义逆不唯一,但可以证明,用不同的广义 逆(NN)-代入上式后,求得的X向量却是相同的, 故X有唯一解!
3.3 秩亏自由网平差
2 X T 2K T N 0 X
X NK
X NK
T NNK A Pl 代入法方程,有:
NX AT Pl
K ( NN ) 1 AT Pl
X N ( NN ) 1 AT Pl
NN 仍是秩亏的,但
X N ( NN ) 1 AT Pl 却是惟一的
观测改正数: V AX l ( AN ( NN ) 1 AT P E )l 单位权方差:

3.3 秩亏自由网平差
四、 秩亏自由网平差——直接解法
问题的提出:在秩亏自由网平差中,如果像经典平差平差那样,只 要求遵循最小二乘原则求未知参数的解,将不可能取得唯一确定 的估计量; 解决方法:为了得唯一确定的估计量,需要在遵循最小二乘原则基 础上附加另外条件; 附加条件的前提:该条件的确定应保证所求得的未知数的估计量 是最优的. 这样的最优解是唯一存在的,它就是法方程的最小范数解!
3.2 监测网经典平差
一、间接平差原理
误差方程式:
L V AX
设观测值权为 P ,根据最小二乘原理:
V T PV min
求极值,有:
d (V T PdX
AT PV 0
3.2 监测网经典平差
AT P( AX l ) 0 AT PAX AT Pl
7.3mm
H P H P 0 H P 103.455m 7.3mm 103.4623

《平差数学模型》PPT课件

《平差数学模型》PPT课件

一般而言,如果某一平差问题中,观测值
个数为n,必要观测个数为t,多余
观 测 个 数 为 r=n-t , 再 增 选 u 个 独 立
参 数 , u=t , 则 总 共 应 列 出
c=r+u=n 个 函 数 关 系 式 , 其 一 般 形
式为
L~ F(X~)
n1
或:
L~BX~d
n1 nt t1 n1
将 L ~L代入上式,并令
则:
l Ld
BX~l
n1 nt t1 n1
上式就是间接平差的函数模型。
03.02.2021 8
第二节 测量平差的数学模型
一、函数模型
L~ F(X~)
4. 附有条件的间接平差法
n1(X~) 0
如果在某平差问题中,选取u>t个参数,线性形式的S1函数模型为
其中包含t个独立参数,则多选的 s=u- t个参数必定是t个独立参数 的函数,即在u个参数之间存在着s 个函数关系式。方程的总数
产生矛盾
平差
求改正数V
L1L2L3180
消除矛盾
Lˆi Li Vi
“观测值估值” (又叫平差值、 最或是值、最 或然值)来代 替观测值
我们把按照某一准则求得观测值新的 一组最优估值的计算过程叫平差。
V称为观测值的改 正数
03.02.2021 5
第二节 测量平差的数学模型
• 在科学技术领域,通常对研究对象
7
第二节 测量平差的数学模型
一、函数模型
3. 间接平差法
参选数择几X~ 何,模将型每中一t个个观独测立量量表为达平成差 u 1
所选参数的函数,共列出 r+u=r+t=n个这种函数关系式,以 此作为平差的函数模型的平差方法 称为间接平差。(见例子)

数学建模中的随机过程模型及其参数估计

数学建模中的随机过程模型及其参数估计

数学建模中的随机过程模型及其参数估计随机过程是数学建模中常用的一种工具,它描述了随机变量的动态演化过程。

在数学建模中,我们经常会遇到需要建立随机过程模型并估计其参数的问题。

本文将介绍数学建模中常用的随机过程模型以及参数估计的方法。

一、随机过程模型1. 随机游走模型随机游走模型是最简单的随机过程模型之一,其描述了一个随机变量在时间序列上的演化过程。

在随机游走模型中,当前的变量值等于前一个变量值加上一个随机扰动。

随机游走模型广泛应用于金融领域中股票价格的建模。

2. 马尔可夫链模型马尔可夫链模型是一种随机过程模型,具有马尔可夫性质,即当前状态只依赖于前一个状态,并且未来状态与过去状态无关。

马尔可夫链模型在预测序列数据、自然语言处理等领域中有广泛的应用。

3. 随机差分方程模型随机差分方程模型是描述离散时间的随机过程,它将随机扰动引入到差分方程中,描述了随机变量在离散时间序列上的演化过程。

随机差分方程模型在宏观经济学、自然生态学等领域中有重要的应用。

二、参数估计参数估计是建立随机过程模型的重要步骤之一,它帮助我们从观测数据中估计出模型的未知参数。

以下介绍两种常用的参数估计方法。

1. 极大似然估计极大似然估计是一种常用的参数估计方法,它基于最大化观测数据的似然函数来估计模型的参数值。

极大似然估计的优点是数学基础严谨,但需要满足一些假设条件。

2. 贝叶斯估计贝叶斯估计是一种基于贝叶斯统计理论的参数估计方法,它将参数的估计看作是一个先验分布和似然函数的加权平均问题。

贝叶斯估计的优点是能够处理参数的不确定性,并且可以根据观测数据进行更新。

三、案例应用为了更好地理解随机过程模型及其参数估计,在实际建模中的应用非常重要。

以下是一个案例应用的描述。

假设我们需要建立一个预测某个文本的下一个词的模型,我们可以使用马尔可夫链模型进行建模。

首先,我们将文本数据进行预处理,将其转化为一个序列数据。

然后,我们根据观测数据估计模型的参数。

误差理论与平差基础课件 第3、4章

误差理论与平差基础课件 第3、4章

求函数向量 x = [ x1
x 2 ]T 的方差。
-5-
第三章 协方差传播律 三、两个函数 y ,
r ,1
r ,t
t ,1
z 的互协方差阵
⎡ 4 0 0⎤ ⎢0 2 0⎥ 例3设有观测向量L,已知其协方差阵为,D = ⎢ ⎥ 3, 3 ⎢ 0 0 3⎥ ⎣ ⎦ 求下列函数的协方差。
DYZ = FDXX K T
T DYY = FDXX F T = DYY r ×r
-4-
第三章 协方差传播律
例1已知 L1 ...L3
⎤ ⎡3 DL = ⎢ 2 ⎥ ⎥ ⎢ 3, 3 ⎢ 4⎥ ⎦ ⎣
求函数 x = 5L1 − L2 + 2 L3 − 7 的方差。
例2已知 L1 ...L3
⎡ 3 − 1 1⎤ DL = ⎢− 1 2 0⎥ ⎥ ⎢ 3, 3 ⎢ 1 0 4⎥ ⎦ ⎣ x 2 = − L2 + 3L3 − 2 函数 x1 = 2 L1 − L2 + 5,
单位权中误差 比例因子 权为1的观测值对应的中误差
3
测量中常用的方法
(1)水准测量的权 (2)同精度观测值的算术平均值的权 (3)距离丈量的权 (4)三角高程测量的权
-15-
第三章 协方差传播律 九、协因数和协因数传播律 1 2 3 4 5
协因数 协因数阵 协因数阵的特点 互协因数阵 权阵
-16-
第三章 协方差传播律--协因数和协因数传播律
当观测值互不相关时,权阵为对角阵,主对角 线上的元素为观测值的权。
L = [ L1 ......Ln ]T
2 ⎡σ L1 ⎢ 2 ⎢σ 0 1 = 2 DL = ⎢ ... σ0 ⎢ ⎢ 0 ⎢ ⎣
QLL
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第三章 平差随机模型的验后估计3-1 概述众所周知,一个平差问题必须首先建立改平差问题的数学模型,平差的数学模型包括函数模型和随机模型两类。

描述平差问题中观测量与观测量之间、观测量与未知参数之间相互关系的函数表达式,称平差函数模型。

随机模型是描述观测误差∆的一些随机特征,在平差中主要是∆的数学期望和方差,具有0)(=∆E (3-1-1)和10202)(-==∆P Q D σσ (3-1-2)(3-1-1)式表明观测误差中不含系统误差和粗差,是一般情况下最小二乘平差的要求(3-1-2)式式平差时定权的根据。

平差前,随机模型要已知)(∆D ,称为验前方差。

只有精确地已知验前方差)(∆D 才能精确地定权,所以随机模型的估计,就是验前方差)(∆D 的估计,也就是观测值权的估计。

过去很长的时间,平差都在单一的同类观测量中进行,例如测角网平差,水准网平差。

定权可从定义式(3-1-2)出发,采用测量平差中常用方法定权,例如,水准高差按路线长度倒数定权等。

随着平差对象从单一同类观测量扩展为不同类的多种观测量,一般,它们的验前方差又不能都已知,如果能精确地估计它们的方差,达到精确地定权就需要深入研究了。

所以,近20年来国内外测量界把平差随机模型的估计作为主要课题进行研究,取得了丰富的成果。

对不同类的观测量,一般采用经验公式定权,即根据仪器出厂标明的标称精度估算各自的方差,然后再按定义式(3-1-2)定权。

例如在边角同测的控制网中,测距仪给出的测边中误差标称精度公式为)(i i bs +±=ασ测角中误差为βσ(按规范),以i σ和βσ为测边和测角的验前方差定权,得122==βββσσP)/)'('(2222cm P iiss 单位:σσβ=在卫星网与地面网、重力网与水准网的联合平差,摄影测量与大地测量数据联合处理中,也可按上述经验公式的方法定权。

这种估计验前方差确定各类观测量权的方法,时间证明,在许多情况下是不够精确的。

为了提高方差估计的精度,70年代开始出现了用验后的方法估计各类观测量的方差,然后定权,我们称之为平差随机模型的验后估计法。

随机模型的验后估计,其基本思想是,先对各类观测量定初权,进行预平差,利用预平差后得到的信息,主要是各类观测值改正数V ,依据一定的原则对各类观测量的验前方差和协方差做出估计,依此定权,实践已经证明这种定权方法的优越性,并已在实际工作中广泛应用。

本章首先介绍方差估计法,即赫尔默特估计法,并介绍改法在实际计算中的一些简化计算公式。

接着介绍方差、协方差估计法。

然后介绍二次无偏估计法,主要介绍 C.R.Rao 于1970年提出的最小范数二次无偏估计(MINQUE )法和K.R.Koch 于1980年提出的最优不变二次无偏估计(BIQUE )法。

最后介绍方差分量估计中的精度评定以及方差分量估计在测量实践中的应用。

3-2 赫尔默特方差估计法1. 严密估计公式利用预平差的改正数V ,按验后估计各类观测量验前方差方法,最早是由赫尔默特提出的,若各类观测量之间相互独立,即观测量的方差阵是拟对角型矩阵,称为方差估计,或称方差分量估计,以下介绍由Welsch 推证的赫尔默特方差估计严密公式。

间接平差的基本公式为函数模型:111n n t t n L B X ⨯⨯⨯⨯=+∆ (3-2-1)随机模型:212100(),()0,(),()()E L BX E D L P D D L Pσσ--=∆==∆==% (3-2-2)误差方程:V BXL =-% (3-2-3) 法方程及其解为1ˆ,NXW X N W -==% (3-2-4) 式中,TTN B PB W B PL ==。

现设在L 中包含有两类相互独立的观测值111n L ⨯和121n L ⨯,它们的权阵分别为111n n P ⨯和222n n P ⨯,并且120P =,它们的误差方程为111222ˆˆV B X L V B XL ⎫=-⎪⎬=-⎪⎭(3-2-5) 且有下列关系式:111122220,,,0L V B PL V B P L V B P ⎡⎤⎡⎤⎡⎤⎡⎤====⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦⎣⎦⎣⎦⎣⎦1112221211122212T T TTTTN B PB B PB B P B N N W B PL B PL B P L W W ==+=+==+=+ (3-2-6)一般地说,第一次平差时给定的两类观测值的权1P 和2P 是不恰当的,或者说它们所对应的单位权方差不相等,令其分别为120σ和220σ,则有122110121202()()D L P D L P σσ--⎫=⎪⎬=⎪⎭(3-2-7)方差分量估计的目的是利用各次平差后各类改正数的平方和111T V PV 及222T V PV 来估计120σ及220σ。

为此,必须建立残差平方和与120σ及220σ之间的关系。

因为对于数学期望为η,方差阵为∑的随机向量Y ,其二次型T Y MY (M 为任何一对称可逆阵)的数学期望为()()T T E Y MY tr M M ηη=∑+ (3-2-8)而改正数V 的期望为零,即有1()0E V = (3-2-9)所以11111()(())T E V PV tr PD V = (3-2-10)式中1()D V 为改正数1V 的方差。

由(3-2-5)式可知:111111111211111111222ˆ()()TTV B X L B N W L B N W W L B N B P E L B N B P L ----=-=-=+-=-+ (3-2-11)故1V 的方差为1111111111111222221()()()()()T T TT T D V B N B P E D L B N B P E B N B P D L P B N B----=--+将上式展开,并顾122121101202(),()D L P D L P σσ--==,则上式可整理得:1221111101111112110121()(2)()T T TD V B N N N B B N B P B N N N B σσ------=-++(3-2-12)将上式代入(3-2-10)式,得:{}{}{}{}{}12111212111112111101111111112110112121110111111121102111111211110112120()(())222()()()T T TTT T n n T E V PV tr PD V tr PP PB N B PB N N N B tr PB N N N B tr E N B PB N N N B PB tr N N N B PB n tr N N tr N N N N tr N N N N σσσσσσ---------⨯-------==-++=-++=-++ (3-2-13)同理可得:1111211222221202220()(){2()()}T E V PV tr N N N N n tr N N tr N N σσ----=+-+ (3-2-14) 在(3-2-13)和(3-2-14)两式中,将数学期望得符号去掉,改成由平差得到的计算值111TV PV 及222T V PV ,则求出的120σ和220σ也应该改为估计值120ˆσ和220ˆσ。

将上二式写成矩阵形式为 222121ˆS W θθ⨯⨯⨯= (3-2-115) 式中11211111121122222()()()2()()n tr N N tr N N tr N N N N S n tr N N tr N N ------⎡⎤-+=⎢⎥-+⎣⎦(对称) (3-2-16) 122200111111ˆˆˆ[],[]T T T TW V PV V PV θθσσ==公式(3-2-15)、(3-2-16)即为两类观测值按间接平差时的赫尔默特估算公式,由(3-2-15)式知,被估参数与方程的个数相同,一般说来,有惟一解,即1ˆS W θθ-= 将两类观测值扩展到m 类观测值的一般情况,则对应的公式如下:111ˆ,(1,2,,)i i i i i i in n t t n V B X L i m ⨯⨯⨯⨯=-=L (3-2-17) 210()i i iD L P σ-= (3-2-18) 将111ˆmjj XN W N W--===∑代入(3-2-17)式,并整理集项得:11111,ˆ()mmT Ti i i i j i i i i i ijj j j j iV B X L B N W L B N B P E L B N BP L ---==≠=-=-=-+∑∑由协方差传播律得:{}11112011201,()(2)()ijT T i i i i i i i mTij ij iD V P B N N N B B N B B NN N B σσ------=≠=+-+∑根据二次型的期望定理:ηηM M tr T +∑)(MY Y E T )=(,并顾及i V Y =,i P M =,)(D i V =∑及0)(==i V E η,则有{}111112011201,()(2)()jT T i i i i i i i i i i i i mTij ij iE V PV tr PP PB N N N B PB N B B NN N B σσ------=≠=+-+∑所以{}1122011201,()(2()())()i jT i i i i i i mi j j iE V PV n tr N N tr N N tr NN N N σσ----=≠=-++∑ (3-2-19)在上式中,被估参数m 个,将上式写成矩阵形式,即得m 类观测值的赫尔默特估计公式:11ˆm m m m S W θθ⨯⨯⨯= (3-2-20)式中1121111211112111211222221122()()()()2()()()(2()()m m m m m n tr N N tr N N tr N N N N tr N N N N S n tr N N tr N N tr N N N N n tr N N tr N N ------------⎡⎤-+⎢⎥=-+⎢⎥⎢⎥-+⎣⎦L LL对称)12222000111222ˆˆˆˆ,mTTT TTm m m W V PV V PV V P V θθσσσ⎡⎤⎡⎤==⎣⎦⎣⎦LL其解为1ˆS W θθ-= (3-2-21)方差分量估计的迭式计算步骤如下:(1) 将观测值按等级或按不同观测来源分类,并进行验前权估计,即确定各类观测值的 权的初值m P P ,...,,P 21;(2)进行第一次平差,求得i i Ti V P V ;(3)按(3-2-20)式进行第一次方差分量估计,求得各类观测值单位权方差的第一次估值20i^θ,再依下列定权:210ˆˆi iicP P σ-= (3-2-22) 式中c 为任一常数,一般是选20i ^θ中的某一个值;(4)反复进行第二项和第三项,即进行:平差-方差分量估计一定权后再平差,直至12222000ˆˆˆmσσσ===L 为止,或通过必要的检验认为各类单位权方差之比等于1为止。

相关文档
最新文档