1) bayes estimation of variance components
Bayes方差分量估计
2) hierarchical Bayes' estimator
分级Bayes估计量
3) variance component estimation
方差分量估计
1.
A data processing method for the precision surveying of ballastless track high-speed railway is put forward:first, choosing the compatible points in the control network by quasi-stable adjustment, then, adjusting the control network with the adjustment model of indirect observation in which the Baarda gross errors detection and Helmert variance component estimation are used.
提出一种适合无碴轨道高速铁路精密工程测量的数据处理方法:先采用拟稳平差选择兼容的起算点,然后应用间接平差模型平差;在平差过程中,用Baarda粗差探测的方法逐个剔除粗差,再用Helmert方差分量估计方法合理地确定边、角的权比。
2.
The variance component estimation to balance the stochastic models of the observations.
应用方差分量估计来协调拟合推估模型中观测噪声和信号向量的随机模型,并分别从极大似然估计、MINQUE估计、赫尔默特方差分量估计三方面构建了拟合推估模型的方差分量解,最后利用新提出的理论与方法,对一幅实际的扫描地形图进行误差纠正,结果表明基于方差分量估计的拟合推估法能够提高扫描地形图的精度。
3.
On the basis of Helmert s formula for variance component estimation, a sequential algorithm for joint adjustment of various observations is put forward in this paper.
在赫尔默特公式的基础上,推导了多类观测数据联合平差中方差分量估计的序贯算法,它区别于以前文献中使各类观测量所对应的验后单位权方差整体趋于一致的做法,而采用逐类(次)平差法,在每次平差后进行方差分量估计,依次使各类观测量的验后单位权方差趋于相等。
4) variance components estimation
方差分量估计
1.
Adjusting triangulateration nets using characteristic roots method in Helmert variance components estimation;
边角网赫尔默特方差分量估计的特征根法
2.
Influence of variance components estimation on the adjustment results of GPS network;
方差分量估计对GPS网平差结果的影响
3.
At the same time it studies on the estimation methods by means of variance components estimation and non-negative estimation on the variance-covariance matrix of dissimilar time and different area so as to assess the quality of baseline observation.
指出根据观测数据对随机模型验后估计的意义,介绍随机模型验后估计的理论和方法及GPS基线网平差的数学模型,研究用方差分量估计与非负估计方法对不同时段不同分区的方差协方差矩阵进行估计,以评定基线观测值的质量,同时研究它对参数估计的影响,算例的计算结果表明,方差分量估计正确与否对GPS网平差结果的影响可达6mm。
5) variance component estimation of Helmert
Helmert方差分量估计
1.
The method,variance component estimation of Helmert type, is often used to solve the problem that the weight ratio of different kinds of observations or different precision observations is incorrect.
Helmert方差分量估计是合理确定不同类观测值或不同种精度观测值权比的常用方法。
6) Helmert variance components estimation
Helmert方差分量估计
1.
Equivalence of rigorous formula to simplified formula of helmert variance components estimation;
Helmert方差分量估计严密公式与简化公式等价性的证明
补充资料：Bayes估计量
Bayes估计量
Bayesian estimator
Bayes估计量【Bayesi助始廿ma.件;D自狱.。眨..界..] 用BayeS方法(Bayesian aPProach)由观察值对一未知参数所作的估计.统计问题使用这样的方法时，一般都假定未知参数所0 gR“是一具有给定先验分布7r=武do)的随机变量，决策空间D与集合0重合.且损失L(0，d)表示变量0与估计d的偏离.因此，函数L勿，d)通常假定为有形式L勿，d)=a(e)又(口一d)，其中又是误差向量0一d的某个非负函数，若k二1，则常取又勿一d)={0一d}“(“>0).最有用且在数学上最方便的是平方损失函数L(口，d)=}‘一d1’.对这一损失函数，Bayes估计量(Ba卿决策函教(Bavesian dedsion function))占’二亡厂(x)定义为使最小总损失 !;‘p‘二·“，一，‘薯必，“一”‘·’2’〕口‘么，叮‘““，达到的函数，或与之等价，了是使最小条件损失 ，母‘E{[口一占(x)]2+“)达到的函数，由此推出，在平方损失函数的场合，B竹es估计量与后验均值占‘(x)=E勿{x)相等，而Bayesj双险(Bayes risk)为 。‘二，占‘)二E!D矿夕}x)]‘此处O(0}劝是后验分布的方差: o(口{x)二任{{口一E(0{x)12!，、}. 例设二=(x，，，二，戈)，这里x，，，二，x。为具正态分布N勿，。’)的独立同分布变量，护己知，而未知参数0有正态分布N扭，铲).因为当x给定时口的后验分布为正态N(拜。，T:一、其中 n又。2一十“下一2 灿。二一—，，。一二n口‘一奋了一_ n口一汁~下且万=(x，十一+凡)/。，可知在平方损失函数{分一引’之下，Bayes估计量为占’(x)=线，而Bayes风险则为《二犷六伽铲十护).AH川畔即撰[补注]
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条