Tema 5 Contraste práctico del Método Clásico y los Métodos de Estimación Robusta propuestos.

Slides:



Advertisements
Presentaciones similares
ANÁLISIS ESTADÍSTICO COMPUTARIZADO
Advertisements

ESTIMACIÓN DE DENSIDAD
Serie de Taylor y Maclaurin
ESTIMACION DE PARAMETRO
Riesgo de Mercado Diplomado de Especialización en Riesgo.
Mediciones Eléctricas
Problemas del Teorema Fundamental del Cálculo
La mediana La mediana es el valor tal que el 50 % de las observaciones son menores y 50 % de ellas son mayores a dicho valor. En otra palabras, la mediana.
Matemática Financiera 1º ADEUtilización de la Función TIR en el cálculo del tanto efectivo 1 de 37 Cálculo de tantos efectivos Utilización de la función.
CRITERIO OBJETIVO EN LA COMPARACION DE CAPITALES FINANCIEROS
Evaluar el efecto de un tratamiento (1)
Introducción a la Física
Estadística I. Finanzas Y Contabilidad
4. ANÁLISIS FACTORIAL Introducción Modelo factorial ortogonal
Carlos Soler García. Curso 2005 / 06
Cuestiones y problemas
Agrupación de datos cuantitativos definiciones básicas y otras explicaciones.
SISTEMA DE NUMEROS NÚMEROS ENTEROS DIVISIBILIDAD NÚMEROS PRIMOS
MUESTREO (NAGA´s) BOLETÍN 5020
Descripción de los datos: medidas de dispersión
Unidad de competencia II Estadística descriptiva:
Departament destadísticoa Grup destadísticoa Computacional Introducción a la metodología bootstrap Jordi Ocaña Departament destadísticoa Secció Departamental.
Estadística Administrativa I
De la muestra a la población
Distribuciones de probabilidad bidimensionales o conjuntas
Planificación con Prioridades Fijas
Tema 4 Introducción a la Programación Lineal
Solución de problema Herramientas aplicables
ESTADISTICA I Medidas de tendencias centrales
} LISSET BÁRCENAS MONTERROZA
Parámetros estadísticos
Técnico en programación de Software
UNIDAD 3 Progresiones.
CENTRO EDUCATIVO ANAHUAC, A.C. PRÁCTICA DE CONTABILIDAD # 4 PRÁCTICA DE CONTABILIDAD # 4 EMPRESA : LA MORELIANA EMPRESA : LA MORELIANA.
Aplicación de la Derivada
Aplicación de la Derivada
Igualdades y ecuaciones
Objetivos Específicos. Visitar el Instituto Geográfico Militar al igual que el CMFT acantonados en la Provincia de Pichincha/Quito para observar su.
Definiciones y conceptos básicos
3. Métodos de resolución Ecuaciones algebraicas lineales
CURSO 2009/2010 ¿Qué es y para qué sirve el Ajuste de Observaciones?¿Por que es necesario buscar métodos alternativos? Ana Mª Domingo Preciado Profesora.
Tema 3 Revisión de diversos métodos robustos aplicados en algunos problemas fotogramétricos.
Determinación de la situación relativa de los haces
¿Qué es y para qué sirve el Ajuste de Observaciones?
Universidad de Chile Facultad de Ciencias Químicas y Farmacéuticas
La ley de los grandes números
Modelado y simulación en Ingeniería Química. Manuel Rodríguez
MINIMO COMÚN MÚLTIPLO DE DOS NÚMEROS a y b
Regresión Lineal y Regresión Polinomial
Investigación Operativa
Departamento: INGENIERÍA MECÁNICA, ENERGÉTICA Y DE MATERIALES
A. Ruiz (JAAEE- Granada, Bienal RSEF) 1 E. Palencia Fermi National Laboratory ( Chicago, USA) B. Casal, G. Gómez, T. Rodrigo, A. Ruiz, L.Scodellaro,
Regresión y correlación
Inferencia Estadística
Nombre: Israel Espinosa Jiménez Matricula: Carrera: TIC Cuatrimestre: 4 Página 1 de 5.
Diseño de experimentos
Medidas de Dispersión Estadística E.S.O.
ESTADIGRAFOS DE DISPERSION
ESTÁTICA II FUERZAS DISTRIBUIDAS: CENTROIDES Y CENTRO DE GRAVEDAD.
Corrección por Sobretamaño
Análisis de supervivencia Tema 5 Itziar Aretxaga.
Este procedimiento mide la relación entre la intensidad de un estímulo y la proporción de casos que presentan una cierta respuesta a dicho estímulo. Es.
ESTUDIOS & CONSULTORIAS Santa Fe de Bogota, Octubre 10 de 2002 Traslado del precio de compra de la energía a la tarifa a usuario final regulado ASOCODIS.
Introducción La inferencia estadística es el procedimiento mediante el cual se llega a inferencias acerca de una población con base en los resultados obtenidos.
Diseño geodésico II II semestre, 2014
Inferencia Estadística
PRUEBAS ESTADISTICAS NO PARAMETRICAS
Clase N°9 Análisis de output en el largo plazo (Parte II) ICS3723 Simulación Profesor Pedro Gazmuri.
ANÁLISIS DE COVARIANZA En algunas circunstancias, un experimento está afectado por la intervención de un factor muchas veces imprevisible y que no puede.
Estimación estadística
Transcripción de la presentación:

Tema 5 Contraste práctico del Método Clásico y los Métodos de Estimación Robusta propuestos

Orientación Relativa Numérica : Orientación Relativa Numérica : Programa Base (Ecs. de Colinearidad ) Programa Base (Ecs. de Colinearidad ) Subrutina 1 de Estimación Robusta : Subrutina 1 de Estimación Robusta : Mínima SumaMínima Suma Subrutina 2 de Estimación Robusta : Subrutina 2 de Estimación Robusta : M. Danés Modificado 1M. Danés Modificado 1 Subrutina 3 de Estimación Robusta : Subrutina 3 de Estimación Robusta : M. De HuberM. De Huber

Transformación Tridimensional de Semejanza : Transformación Tridimensional de Semejanza : Programa Base (Orientación Absoluta Analítica ) Programa Base (Orientación Absoluta Analítica ) Subrutina 1 de Estimación Robusta : Subrutina 1 de Estimación Robusta : Mínima Suma Modif. + M. de HuberMínima Suma Modif. + M. de Huber Subrutina 2 de Estimación Robusta : Subrutina 2 de Estimación Robusta : M. Danés Modificado 2M. Danés Modificado 2 Subrutina 3 de Estimación Robusta : Subrutina 3 de Estimación Robusta : Estimador de Geman& Mc-ClureEstimador de Geman& Mc-Clure

Formación y Cálculo de la Banda : Formación y Cálculo de la Banda : Programa Base (Modelos Independientes ) Programa Base (Modelos Independientes ) Subrutina 1 de Estimación Robusta : Subrutina 1 de Estimación Robusta : Método Danés Modificado 3Método Danés Modificado 3

CONJUNTOS DE DATOS FOTOGRAMÉTRICOS UTILIZADOS EN EL PROBLEMA DE LA ORIENTACIÓN RELATIVA

CONJUNTOS DE DATOS FOTOGRAMÉTRICOS UTILIZADOS EN EL PROBLEMA DE LA ORIENTACIÓN ABSOLUTA ANALÍTICA

ESQUEMA DE LAS SIMULACIONES REALIZADAS CON LOS DATOS : ERRORES EN LAS FOTOCOORDENADAS ORIENTACIÓN RELATIVA ANALÍTICA ESQUEMA DE LAS SIMULACIONES REALIZADAS CON LOS DATOS : ERRORES EN LAS FOTOCOORDENADAS ORIENTACIÓN RELATIVA ANALÍTICA PLACA IZQUIERDA PLACA IZQUIERDA PLACA DERECHA

ESQUEMA DE LAS SIMULACIONES REALIZADAS CON LOS DATOS : ERRORES EN LAS COORDENADAS ORIENTACIÓN ABSOLUTA NUMÉRICA COORDS. MODELO COORDS. MODELO COORDS. TERRENO

ESQUEMA DE LAS SIMULACIONES REALIZADAS CON LOS DATOS : ERRORES EN LAS COORDENADAS MODELO FORMACIÓN DE LA BANDA FOTOGRAMÉTRICA COORDS. MODELO COORDS. MODELO C. DE PROYECCIÓN

ERRORES EN TRES FOTOCOORDENADAS.PLACA DERECHA. PUNTOS : 2, 8, 14. ERROR: 80 MICRAS MMCC MÍNIMA SUMA

ERRORES EN SEIS FOTOCOORDENADAS. PLACA DERECHA PUNTOS : 2,6,8,14,18,19. ERROR : 80 MICRAS MMCC MÍNIMA SUMA

ERRORES EN DOS FOTOCOORDENADAS. PLACA DERECHA PUNTOS : 1, 4. ERROR : 70 MICRAS MMCC M. DANÉS MOD.

ERRORES EN DOS FOTOCOORDENADAS.PLACA IZQDA. ERROR : -60 MICRAS. PUNTOS: 1, 4 MMCC M. DANÉS MOD.

ORIENTACIÓN ABS. NUMÉRICA.ERROR PLANIMÉTRICO PUNTOS : 3,5,10,11 ERROR: -20, 10, 20, 10 METROS MMCCM. DANÉS

ORIENTACIÓN ABS. NUMÉRICA(ERROR ALTIMÉTRICO) PUNTOS: 1,3,5 ERROR : 40, -30, 40 METROS MMCC M. DANÉS

ORIENTACIÓN ABSOLUTA NUMÉRICA( ERROR XYZ ) PUNTOS: 1, 3. ERRORES : 40 Y -30 METROS MMCC GEMAN&MCCLURE ORIENTACIÓN ABSOLUTA NUMÉRICA( ERROR XYZ ) PUNTOS: 1, 3. ERRORES : 40 Y -30 METROS MMCC GEMAN&MCCLURE

ORIENTACIÓN ABS. NUMÉRICA.ERROR PLANIMÉTRICO PUNTOS : 2 Y 4. ERRORES : 40 METROS MMCC GEMAN&MCCLURE

ORIENTACIÓN ABS. NUMÉRICA.ERROR ALTIMÉTRICO PUNTOS : 1,2,8,9. ERRORES : 30, -30,-40,30 METROS MMCC GEMAN&MCCLURE ORIENTACIÓN ABS. NUMÉRICA.ERROR ALTIMÉTRICO PUNTOS : 1,2,8,9. ERRORES : 30, -30,-40,30 METROS MMCC GEMAN&MCCLURE

FORMACIÓN DE LA BANDA A PARTIR DE MODELOS INDEPENDIENTES (ERROR XY EN UN PUNTO DISTINTO AL C. DE PROYECCIÓN) ERROR: + 20 mm PUNTO : 2 ERROR: + 20 mm PUNTO : 2

FORMACIÓN DE LA BANDA A PARTIR DE MODELOS INDEPENDIENTES (ERROR XY EN C. DE PROYECCIÓN) ERROR: -10 mm PUNTO : L1 ERROR: -10 mm PUNTO : L1

FORMACIÓN DE LA BANDA A PARTIR DE MODELOS INDEPENDIENTES (ERROR Z EN C. DE PROYECCIÓN) ERROR: 10 mm PUNTO : L1 ERROR: 10 mm PUNTO : L1

FORMACIÓN DE LA BANDA A PARTIR DE MODELOS INDEPENDIENTES ( ERROR XY EN DOS PUNTOS ) ERROR: -10 mm PUNTOS : 3 Y 5 ERROR: -10 mm PUNTOS : 3 Y 5

FORMACIÓN DE LA BANDA A PARTIR DE MODELOS INDEPENDIENTES ( ERROR Z EN TRES PUNTOS ) ERROR: - 10, 20 Y -10 mm PUNTOS : 2, 4 Y 6 ERROR: - 10, 20 Y -10 mm PUNTOS : 2, 4 Y 6

ALGUNAS CONCLUSIONES INTERESANTES ALGUNAS CONCLUSIONES INTERESANTES Orientación Relativa Analítica: Orientación Relativa Analítica: Orientación Absoluta Numérica Orientación Absoluta Numérica Formación de la Banda (Modelos Independientes) Formación de la Banda (Modelos Independientes)

Orientación Relativa Analítica: Orientación Relativa Analítica: Mayor eficiencia observada: M. Danés Modificado Mayor eficiencia observada: M. Danés Modificado Nº de iteraciones menor Nº de iteraciones menor Magnitud del residuo Error simulado Magnitud del residuo Error simulado Incremento de las paralajes en todos los ptos. del modelo Incremento de las paralajes en todos los ptos. del modelo Detección de más de dos puntos erróneos Detección de más de dos puntos erróneos Intervalo de Detección : Errores > 15 micras Intervalo de Detección : Errores > 15 micras

Orientación Absoluta Numérica : Orientación Absoluta Numérica : Mayor eficiencia observada: M. Danés Modificado + Estimador de Geman & McClure Mayor eficiencia observada: M. Danés Modificado + Estimador de Geman & McClure Nº de iteraciones menor Nº de iteraciones menor Residuos planimétricos y altimétricos Errores simulados en magnitud y signo Residuos planimétricos y altimétricos Errores simulados en magnitud y signo Detección de más de dos puntos erróneos (XY y/o Z) Detección de más de dos puntos erróneos (XY y/o Z) Intervalo de Detección :Planimetría (Altimetría) Intervalo de Detección :Planimetría (Altimetría) 1(5) m < Errores < 600(100) m 1(5) m < Errores < 600(100) m

Formación de la Banda Fotogramétrica : Formación de la Banda Fotogramétrica : Mayor eficiencia observada: M. Danés Modificado Mayor eficiencia observada: M. Danés Modificado Conclusiones similares a las anteriores Conclusiones similares a las anteriores Detección de los errores simulados en magnitud y signo en el Centro de Proyección Detección de los errores simulados en magnitud y signo en el Centro de Proyección Detección de errores en casos de redundancia mínima ( 3 puntos erróneos de un total de 6) Detección de errores en casos de redundancia mínima ( 3 puntos erróneos de un total de 6) Límite inferior de detección : Errores de 3 a 5 mm en las coordenadas modelo Límite inferior de detección : Errores de 3 a 5 mm en las coordenadas modelo

ALGUNAS CONCLUSIONES DE CARÁCTER GENERAL SOBRE LOS RESULTADOS OBTENIDOS

METODOLOGÍA DE CARÁCTER GENERAL CON ESTIMACIÓN ROBUSTA

5)Elección de las observaciones a realizar, y dado el carácter experimental de la investigación, elección de un número de ellas tal que la redundancia sea suficientemente grande 6)Resolución del problema utilizando el método clásico de ajuste y observación de la magnitud de los residuos obtenidos. NOTA: Si el problema estudiado, requiere un proceso iterativo, elegir adecuadamente un método de detención de dicho proceso, (por ejemplo basado en tolerancias) 7) Proceso de simulación de errores de las magnitudes esperables en las observaciones, considerando todos los casos que se puedan presentar. 8)Análisis detallado de los residuos obtenidos así como de la varianza o la desviación estándar a posteriori del ajuste

9)Elección del método o métodos robustos como alternativas al método clásico. Estudio de las funciones objetivo, de influencia y de pesos correspondientes al método y posible aplicación al problema elegido. 10)Construcción de la función de pesos y aplicación al proceso de ajuste según los pasos expuestos. 11)Ejecución de todas las simulaciones precisas de errores en las observaciones para la definición final del método robusto. Si es necesario planteamiento de varios métodos robustos y confrontación de todos ellos en los casos más problemáticos. 12)Depuración final del programa de estimación robusta y comprobaciones con diversos conjuntos de datos