Hallo Alex,

Ohne nachgerechnet zu haben, würde ich zum Beispiel bei einem Geradenfit mit den Beoabchtungsgleichungen L = ax + b und der Annahme, dass alle Beobachtungen unkorreliert und gleichgenau sind, ebenfalls erwarten, dass eine gleichartige Änderung der a priori Standardabweichung aller Eingangsbeobachtungen (also demzufolge auch alle immer ein gleiches Gewicht) nichts am Ausgleichungsergebnis sowie der Kovarianzmatrix der geschätzten Parameter ändert.

Das ist korrekt, da im stochastischen Modell letztlich nur ein Vorfaktor ist. In Deinem konkreten Fall sieht man das unmittelbar, da identisch ist zu , worin die Varianz der individuellen Beobachtung ist und .

Somit wäre doch in diesem Fall der Globaltest und eine nachfolgende gleichartige Änderung aller a priori Standardabweichungen der Beobachtungen rein akademisch oder?

Nicht unbedingt. Du schreibst oben, dass Deine Beobachtungen "unkorreliert und gleichgenau" sind. Das ist eine relative Angabe zwischen den Beobachtungen, aus der nicht geschlossen werden kann, wie genau Deine Beobachtungen tatsächlich sind. Du gibst lediglich vor, dass die Varianzen untereinander diese beiden Eigenschaften erfüllen sollen. Du kannst demnach die Kovarianzmatrix der Beobachtungen nicht spezifizieren sondern lediglich die Kofaktormatrix . Der Globaltest soll nun aber prüfen, ob funktionales und stochastisches Modell sinnvoll gewählt wurden. Dieser Test setzt also zwingend voraus, dass Du spezifizieren kannst und nicht nur .

Wenn Du nur "unkorreliert und gleichgenau" Beobachtungen hast (aber keine Varianzen und ggf. Kovarianzen), dann macht dieser Test keinen Sinn - auch im akademischen Bereich nicht.

Viele Grüße
Micha

--
applied-geodesy.org - OpenSource Least-Squares Adjustment Software for Geodetic Sciences

Tags:
Hypothesentest, Ausgleichungsrechnung, Globaltest, Varianzkompinentenschätzung, a-priori Varianzfaktor, a-posteriori Varianzfaktor