LABORATORIO #5: AJUSTE DE OBSERVACIONES MEDIATAS

SOLUCION PROBLEMA #1:

DATOS :
HA := 1000.000
Datos:
HA=1000.000 m HB := 1001.000
HB=1001.000 m C
HC=1001.500 m HC := 1001.500

h1= 2.556 m D=150.2m Hx := 1002.56 h3

h2= 1.554 m D=190.5m
h3= 1.055 m D=90.4m X

Hx aproximado =1002.56m
h1
h2

ORIGIN := 1

Cantidad de Observaciones : A B
n := 3
Cantidad de incognitas :
u := 1

Grados de Libertad:
f := n − u
f= 2

Ecuaciones de Observacion:

h1 := Hx − HA
h2 := Hx − HB
h3 := Hx − HC

Vector de Observaciones :

⎛ 2.556 ⎞
L := ⎜ 1.554 ⎟
⎜ ⎟
⎝ 1.055 ⎠
 Matriz de Varianza-covarianza de las observaciones:

Las Diferencias de altura fueron determinas con un instrumento con una desviación estándar
de ± 5mm D
km

150.2 190.5 90.4

sh1 := 5 ⋅ sh2 := 5 ⋅ sh3 := 5 ⋅
1000 1000 1000

⎛⎜ s 2 0 0 ⎞⎟
h1
⎜ ⎟
Σ ll := ⎜ 0 s 2 0 ⎟
h2
⎜ ⎟
⎜ 0 2⎟
⎝ 0 sh3
⎠

⎛ 3.755 0 0 ⎞
Σ ll = ⎜ 0 4.763 0 ⎟
⎜ ⎟
⎝ 0 0 2.26 ⎠

Vector de Observaciones Aproximadas:

h1o := Hx − HA
h2o := Hx − HB
h3o := Hx − HC

⎛ h1o ⎞
⎜ ⎟
Lo := ⎜ h2o ⎟
⎜ h3 ⎟
⎝ o⎠
⎛ 2.56 ⎞
Lo = ⎜ 1.56 ⎟
⎜ ⎟
⎝ 1.06 ⎠

Vector de Observaciones reducidas en mm:

( )
l := L − Lo ⋅ 1000

⎛ −4.0 ⎞
l = ⎜ −6.0 ⎟
⎜ ⎟
⎝ −5.0 ⎠
Vector de incognitas Aproximadas:
Xo := Hx

Matriz de Pesos:
σ o := 1

1
Qll := ⋅ Σ ll
2
σo

−1
P := Qll

⎛ 0.266 0 0 ⎞
P= ⎜ 0 0.21 0 ⎟
⎜ ⎟
⎝ 0 0 0.442 ⎠

Matriz de Configuración :

⎛1⎞
A := ⎜ 1 ⎟
⎜ ⎟
⎝1⎠

Matriz de Ecuaciones Normales:

T
N := A P⋅ A

N = 0.919

Vector de Ecuaciones Normales reducidas:

T
n := A P⋅ l
n = −4.537

Matriz de cofactores:
−1
Qxx := N
Qxx = 1.088

Vector de incognitas ajustadas y reducidas:

 x := Qxx⋅ n

x = −4.939

Vector de incognitas ajustadas:

x
X := Xo +
1000
X = 1002.5551

Vector de residuos:
v := A⋅ x − l

⎛ −0.939 ⎞
v = ⎜ 1.061 ⎟
⎜ ⎟
⎝ 0.061 ⎠

Desviacion estandar de la unidad de pesos a posteriori:

T
v ⋅ P⋅ v
So :=
f
So = 0.486

Desviacion estandar de las incognitas:

sHx := So ⋅ ( Qxx )
sHx = 0.507 mm

Entonces tenemos que el valor mas probable de Hx es :

X = 1002.5551m ± 0.5 mm

Vector de observaciones ajustadas:

v
Laj := L +
1000
 ⎛ 2.555 ⎞
Laj = ⎜ 1.555 ⎟
⎜ ⎟
⎝ 1.055 ⎠

Matriz de Varianza-covarinza de las observaciones ajustadas:

T
Qll := A⋅ Qxx⋅ A

⎛ 1.088 1.088 1.088 ⎞

Qll = ⎜ 1.088 1.088 1.088 ⎟
⎜ ⎟
⎝ 1.088 1.088 1.088 ⎠

SOLUCION PROBLEMA #2

BN1
Datos: BN2 L2
Alturas Puntos fijos: L6
BN1=948.5555 m
BN2=945.6701 m L9 L5
BN3=946.3570 m
BN4=945.0002 m PT2
PT1 L1
Alturas aproximadas puntos nuevos:
PT1=101.1 m L4
L8
PT2=102.0 m L3
L7

ORIGIN := 1 BN3
BN4

Numero de Observaciones: HBN1 := 948.5555

HBN2 := 945.6701
n := 9
HBN3 := 946.3570
Numero de Incongitas:
HBN4 := 945.0002
u := 2
Alturas Aproximadas de los puntos
 nuevos:
Grados de Libertad:
HPT1 := 941.1
f := n − u
HPT2 := 942.0
f= 7

Vector de Incogitas aproximadas:

⎛ 941.1 ⎞
Xo := ⎜ ⎟
⎝ 942.0 ⎠

Vector de observaciones:

T
L := ( −0.9104 −3.6463 −4.3338 −2.9766 −6.5315 −7.4422 −3.8872 −5.2443 −4.5577 )

Ecuaciones de observacion:

L1 := HPT1 − HPT2
L2 := HPT2 − HBN2

L3 := HPT2 − HBN3

L4 := HPT2 − HBN4
L5 := HPT2 − HBN1

L6 := HPT1 − HBN1
L7 := HPT1 − HBN4

L8 := HPT1 − HBN3

L9 := HPT1 − HBN2

Vector de observaciones:
 T
L := ( −0.9104 −3.6463 −4.3338 −2.9766 −6.5315 −7.4422 −3.8872 −5.2443 −4.5577 )

Vector de observaciones aproximadas:

⎛⎜ −0.9000 ⎞⎟
⎜ −3.6701 ⎟
⎜ −4.3570 ⎟
⎜ −3.0002 ⎟
⎜ ⎟
Lo = ⎜ −6.5555 ⎟
⎜ −7.4555 ⎟
⎜ ⎟
⎜ −3.9002 ⎟
⎜ −5.2570 ⎟
⎜⎝ −4.5701 ⎟⎠

Vector de observaciones reducidas en mm:

( )
l := L − Lo ⋅ 1000

⎛⎜ −10.4 ⎞⎟
⎜ 23.8 ⎟
⎜ 23.2 ⎟
⎜ ⎟
⎜ 23.6 ⎟
l = ⎜ 24.0 ⎟
⎜ 13.3 ⎟
⎜ ⎟
⎜ 13.0 ⎟
⎜ 12.7 ⎟
⎜⎝ 12.4 ⎟⎠

Matriz de varianza-covarianza de las observaciones:

Las diferencias de alturas se midieron con un instrumento con una desviación estándar de

0.5mm Dkm
 55.5
sL := 0.5⋅ sL = 0.118
1 1000 1

115.7
sL := 0.5⋅ sL = 0.17
2 1000 2

120.5
sL := 0.5⋅ sL = 0.174
3 1000 3

80.5
sL := 0.5⋅ sL = 0.142
4 1000 4

85.1
sL := 0.5⋅ sL = 0.146
5 1000 5

110.3
sL := 0.5⋅ sL = 0.166
6 1000 6

150.7
sL := 0.5⋅ sL = 0.194
7 1000 7

95.2
sL := 0.5⋅ sL = 0.154
8 1000 8

98.4
sL := 0.5⋅ sL = 0.157
9 1000 9
 ⎛⎜ 0.01387 0 0 0 0 0 0 0 0 ⎞
⎟
⎜ 0 0.02893 0 0 0 0 0 0 0 ⎟
⎜ 0 0 0.03013 0 0 0 0 0 0 ⎟
⎜ ⎟
⎜ 0
0 0 0.02013 0 0 0 0 0
⎟
Σ ll = ⎜ 0 0 0 0 0.02127 0 0 0 0 ⎟
⎜ 0 0 0 0 0 0.02758 0 0 0 ⎟
⎜ ⎟
⎜ 0 0 0 0 0 0 0.03768 0 0 ⎟
⎜ 0 0 0 0 0 0 0 0.0238 0 ⎟
⎜⎝ 0 0 0 0 0 0 0 0 0.0246 ⎟⎠

Σ ll := Σ ll⋅ 2.4

Matriz de Pesos:
σ o := 1

1
Qll := ⋅ Σ ll
2
σo

−1
P := Qll

⎛⎜ 30.03 0 0 0 0 0 0 0 0 ⎞
⎟
⎜ 0 14.405 0 0 0 0 0 0 0 ⎟
⎜ 0 0 13.831 0 0 0 0 0 0 ⎟
⎜ 0 0 0 20.704 0 0 0 0 0
⎟
⎜ ⎟
P= ⎜ 0 0 0 0 19.585 0 0 0 0 ⎟
⎜ 0 0 0 0 0 15.11 0 0 0 ⎟
⎜ ⎟
⎜ 0 0 0 0 0 0 11.06 0 0 ⎟
⎜ 0 0 0 0 0 0 0 17.507 0 ⎟
⎜⎝ 0 0 0 0 0 0 0 0 16.938 ⎟⎠
 BN2
Matriz de Configuración:

⎛⎜ 1 −1 ⎞
⎟
⎜0 1 ⎟
⎜0 1 ⎟
⎜ ⎟
⎜0
1
⎟
A := ⎜ 0 1 ⎟
⎜1 0 ⎟
⎜ ⎟
⎜1 0 ⎟ L
⎜1 0 ⎟
⎜⎝ 1 0 ⎟⎠

BN3

Matriz de ecuaciones normales:

T
N := A P⋅ A

⎛ 90.645 −30.03 ⎞
N= ⎜ ⎟
⎝ −30.03 98.555 ⎠

Matriz de Cofactores de las incognitas:

−1
Qxx := N

Matriz de ecuaciones normales reducidas:

T
n := A P⋅ l

⎛ 464.794 ⎞
n= ⎜ ⎟
⎝ 1934.686 ⎠
 Vector de Incogitas reducidas y ajustadas:

x := Qxx⋅ n

⎛ 12.9371 ⎞
x= ⎜ ⎟
⎝ 23.5725 ⎠

Vector de Incognitas Ajustadas:

x
X := Xo +
1000

⎛ 941.11294 ⎞
X= ⎜ ⎟
⎝ 942.02357 ⎠

Vector de residuos en mm:

v := A⋅ x − l
T
v = ( −0.235 −0.228 0.372 −0.028 −0.428 −0.363 −0.063 0.237 0.537 )

Desviacion estandar de la unidad de pesos a posteriori:

T
v ⋅ P⋅ v
So :=
f

So = 1.504 mm

Test Global del Ajuste al 95%:

f= 7
α := 0.05
⎡⎛
Lsup := qchisq⎢⎜ 1 −
α⎞ ⎤
⎟ , f⎥
⎣⎝ 2⎠ ⎦
Lsup = 16.013
 ⎡⎛ α ⎞ , f⎤
Linf := qchisq⎢⎜ ⎟ ⎥
⎣⎝ 2 ⎠ ⎦
Linf = 1.69
T
Ω :=
= 1v ΩP⋅ v

Ω = 15.828

el valor de Ω debe estar en el intervalo definido por Linf y Lsup para que el ajuste
pase el test global.

(Linf < Ω < Lsup) = 1

1.69 < 37.987 < 16.013

POR LO TANTO AL 95% DE PROBABILIDAD EL AJUSTE NO PASA EL TEST GLOBAL

Matriz de varianza-covarianza de las incognitas:

2
Σ xx := So ⋅ Qxx

⎛ 0.0277 0.0085 ⎞
Σ xx = ⎜ ⎟
⎝ 0.0085 0.0255 ⎠

Desviacion estandar de las incognitas:

SX1 := Σ xx SX2 := Σ xx
1, 1 2, 2

SX1 = 0.167 mm SX2 = 0.160 mm

Matriz de varianza-covarianza de las observaciones ajustadas.

T
Qll := A⋅ Qxx⋅ A
 ⎛⎜ 0.0161 −0.0075 −0.0075 −0.0075 −0.0075 0.0085 0.0085 0.0085 0.0085 ⎞
⎟
⎜ −0.0075 0.0113 0.0113 0.0113 0.0113 0.0037 0.0037 0.0037 0.0037 ⎟
⎜ −0.0075 0.0113 0.0113 0.0113 0.0113 0.0037 0.0037 0.0037 0.0037 ⎟
⎜ ⎟
⎜ −0.0075
0.0113 0.0113 0.0113 0.0113 0.0037 0.0037 0.0037 0.0037
⎟
Qll = ⎜ −0.0075 0.0113 0.0113 0.0113 0.0113 0.0037 0.0037 0.0037 0.0037 ⎟
⎜ 0.0085 0.0037 0.0037 0.0037 0.0037 0.0123 0.0123 0.0123 0.0123 ⎟
⎜ ⎟
⎜ 0.0085 0.0037 0.0037 0.0037 0.0037 0.0123 0.0123 0.0123 0.0123 ⎟
⎜ 0.0085 0.0037 0.0037 0.0037 0.0037 0.0123 0.0123 0.0123 0.0123 ⎟
⎜⎝ 0.0085 0.0037 0.0037 0.0037 0.0037 0.0123 0.0123 0.0123 0.0123 ⎟⎠

De tal forma que los valores mas probables de las alturas de los puntos PT1 Y PT2 y sus
desviaciones estandar son:

HPT1 = 941.1129 m ± 0.17 mm

HPT2 = 942.0236 m ± 0.16 mm

SOLUCION PROBLEMA # 3:

Se deben determinar las constantes aditiva y multiplicativa del distanciometro mediante un ajuste
por minimos cuadrados.

Cantidad de Observaciones :
n := 15
Cantidad de incognitas:
u := 2

Grados de libertad:
f := n − u
f = 13
 6 5 4 3 2 1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

Croquis de la colocación de los instrumentos para la medición

Ecuaciones de observacion:
Partiendo de que la distancia patron (Dp) es el valor verdadero de la distancia tenemos que:

Dp=c+mL

Reescribiendo la ecuacion para poner las observaciones L en funciones de las incognitas

tenemos que:

L=M(Dp-C) siendo M=(1/m)

Ahora podemos plantear las ecuaciones de observación como sigue:

L1 =M(Dp 1-2 -C)

L2 =M(Dp 1-3 -C)
6 5
L3 =M(Dp 1-4 -C)
L4 =M(Dp 1-5 -C)
L5 =M(Dp 1-6 -C) 4
5
L6 =M(Dp 2-3 -C)
L7 =M(Dp 2-4 -C) 8
9
L8 =M(Dp 2-5 -C) 11
12
L9 =M(Dp 2-6 -C) 13
14
L10=M(Dp 3-4 -C) 15

L11=M(Dp 3-5 -C)

L12=M(Dp 3-6 -C)
L13=M(Dp 4-5 -C)
L14=M(Dp 4-6 -C)
mL15=M(Dp 5-6 -C)
Croquis de la co

Vector de Incognitas aproximadas:

tomado c=0 y m=1

⎛0⎞
Xo := ⎜ ⎟
⎝1⎠

Vector de observaciones:
⎛ 25.009 ⎞
⎜ ⎟
⎜ 75.010 ⎟
⎜ 226.044 ⎟
⎜ 431.317 ⎟
⎜ ⎟
⎜ 481.236 ⎟
⎜ 50.005 ⎟
⎜ 201.034 ⎟
⎜ ⎟
L := ⎜ 406.308 ⎟
⎜ 456.317 ⎟
⎜ ⎟
⎜ 151.038 ⎟
⎜ 356.312 ⎟
⎜ 406.312 ⎟
⎜ ⎟
⎜ 205.277 ⎟
⎜ 255.276 ⎟
⎜ 50.002 ⎟
⎝ ⎠
Vector de observaciones aproximado:

⎛ 25.0104 ⎞ L1 =M(Dp 1-2 -C)

⎜ ⎟
L2 =M(Dp 1-3 -C)
⎜ 75.0112 ⎟
⎜ 226.0345 ⎟ L3 =M(Dp 1-4 -C)
⎜ 431.2997 ⎟ L4 =M(Dp 1-5 -C)
⎜ ⎟ L5 =M(Dp 1-6 -C)
⎜ 481.2921 ⎟
L6 =M(Dp 2-3 -C)
⎜ 50.0008 ⎟
⎜ 201.0241 ⎟ L7 =M(Dp 2-4 -C)
⎜ ⎟ L8 =M(Dp 2-5 -C)
Lo := ⎜ 406.2893 ⎟
L9 =M(Dp 2-6 -C)
⎜ 456.2817 ⎟
L10=M(Dp 3-4 -C)
⎜ ⎟
⎜ 151.0234 ⎟ L11=M(Dp 3-5 -C)
⎜ 356.2886 ⎟ L12=M(Dp 3-6 -C)
⎜ 406.2809 ⎟ L13=M(Dp 4-5 -C)
⎜ ⎟
L14=M(Dp 4-6 -C)
⎜ 205.2652 ⎟
⎜ 255.2576 ⎟ mL15=M(Dp 5-6 -C)
⎜ 49.9924 ⎟
⎝ ⎠

Vector de obaservacioes reducido en mm:

⎛ −1.4 ⎞
⎜ ⎟
l := ( L − Lo ) ⋅ 1000 ⎜ −1.2 ⎟
⎜ 9.5 ⎟
⎜ 17.3 ⎟
⎜ ⎟
⎜ −56.1 ⎟
⎜ 4.2 ⎟
⎜ 9.9 ⎟
⎜ ⎟
l = ⎜ 18.7 ⎟
⎜ 35.3 ⎟
⎜ ⎟
⎜ 14.6 ⎟
⎜ 23.4 ⎟
⎜ 31.1 ⎟
⎜ ⎟
⎜ 11.8 ⎟
⎜ 18.4 ⎟
⎜ 9.6 ⎟
⎝ ⎠

Matriz de varianza-covarianza de las observaciones:

 i := 1 .. 15

⎡⎢ 2⎤
⎛ Li ⎞ ⎥
2
Σlli , i := ⎢5 + ⎜ 1⋅ ⎟ ⎥
⎣ ⎝ 1000 ⎠ ⎦

⎛ 25 0 0 0 0 0 0 0 0 0 ⎞
0 0 0 0 0
⎜ ⎟
⎜0 25 0 0 0 0 0 0 0 0 0 0 0 0 0 ⎟
⎜0 0 25.1 0 0 0 0 0 0 0 0 0 0 0 0 ⎟
⎜0 0 0 25.2 0 0 0 0 0 0 0 0 0 0 0 ⎟
⎜ ⎟
⎜0 0 0 0 25.2 0 0 0 0 0 0 0 0 0 0 ⎟
⎜0 0 0 0 0 25 0 0 0 0 0 0 0 0 0 ⎟
⎜0 0 0 0 0 0 25 0 0 0 0 0 0 0 0
⎟
⎜ ⎟
Σll = ⎜ 0 0 0 0 0 0 0 25.2 0 0 0 0 0 0 0 ⎟
⎜0 0 0 0 0 0 0 0 25.2 0 0 0 0 0 0 ⎟
⎜ ⎟
⎜0 0 0 0 0 0 0 0 0 25 0 0 0 0 0 ⎟
⎜0 0 0 0 0 0 0 0 0 0 25.1 0 0 0 0 ⎟
⎜0 0 0 0 0 0 0 0 0 0 0 25.2 0 0 0 ⎟
⎜ ⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 25 0 0 ⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 25.1 0 ⎟
⎜0 ⎟
⎝ 0 0 0 0 0 0 0 0 0 0 0 0 0 25 ⎠

Matriz de Pesos:

−1
P := Σll
 ⎛0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎞
⎜ ⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜ ⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜ 0 0 0 0 0 0 0 0 0 0 0 0 0 0
⎟
⎜0 ⎟
P = ⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜ ⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜ ⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜0 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎟
⎜0 ⎟
⎝ 0 0 0 0 0 0 0 0 0 0 0 0 0 0⎠

Matriz de configuración:
⎛ −1 25.0114 ⎞
⎜ ⎟
⎜ −1 75.0112 ⎟
⎜ −1 226.0345 ⎟
⎜ −1 431.2997 ⎟
⎜ ⎟
⎜ −1 481.2921 ⎟
⎜ −1 50.0008 ⎟
⎜ −1 201.0241
⎟
⎜ ⎟
A := ⎜ −1 406.2893 ⎟
⎜ −1 456.2817 ⎟
⎜ ⎟
⎜ −1 151.0234 ⎟
⎜ −1 356.2886 ⎟
⎜ −1 406.2809 ⎟
⎜ ⎟
⎜ −1 205.2652 ⎟
⎜ −1 255.2576 ⎟
⎜ −1 ⎟
⎝ 49.9924 ⎠

Matriz de ecuaciones normales:

T
N := A P⋅ A
 ⎛ 0.0598 −15.0236 ⎞
N= ⎜ ⎟
⎝ −15.0236 5229.2964 ⎠

Matriz de cofactores de las incognitas:

−1
Qxx := N

⎛ 60.1369026 0.1727709 ⎞
Qxx = ⎜ ⎟
⎝ 0.1727709 0.0006876 ⎠

Matriz de terminos absolutos:

T
n := A P⋅ l

⎛ −0.5785 ⎞
n= ⎜ ⎟
⎝ 156.0916 ⎠

Vector de incognitas ajustadas y reducidas:

x := Qxx ⋅ n

⎛ −7.82308 ⎞
x= ⎜ ⎟
⎝ 0.00737 ⎠
Vector de Residuos en mm:
⎛ 9.408 ⎞
v := A⋅ x − l ⎜ ⎟
⎜ 9.576 ⎟
⎜ −0.01 ⎟
⎜ −6.296 ⎟
⎜ ⎟
⎜ 67.472 ⎟
⎜ 3.992 ⎟
⎜ ⎟
⎜ −0.595 ⎟
v = ⎜ −7.881 ⎟
⎜ −24.112 ⎟
⎜ ⎟
⎜ −5.663 ⎟
⎜ −12.95 ⎟
⎜ −20.281 ⎟
⎜ ⎟
⎜ −2.463 ⎟
⎜ −8.695 ⎟
⎜ −1.408 ⎟
⎝ ⎠

Desviación estandar a posteriori de la unidad de pesos:

T
v ⋅ P⋅ v
So :=
f

So = 1.367

Vector de Incognitas ajustadas:

X := Xo + x

⎛ −7.823 ⎞
X= ⎜ ⎟
⎝ 1.007 ⎠

De tal forma que la de constante aditiva es:

C := X
1

C = −7.823 mm

y su desviación estandar es :

Sx1 := So⋅ Qxx

1, 1
 Sx1 = 10.603mm

La constante multiplicativa es :

M := X
2

M = 1.00737
1
m :=
M

m = 0.99268constante multiplicativa

y su desviación estandar :

Sx2 := So⋅ Qxx

2, 2

Sx2 = 0.036

Test Global del Ajuste al 95%:

f = 13
α := 0.05
⎡⎛
Lsup := qchisq⎢⎜ 1 −
α⎞ ⎤
⎟ , f⎥
⎣⎝ 2⎠ ⎦
Lsup = 24.736

Linf := qchisq⎢⎜
⎡⎛ α ⎞ , f⎤
⎟ ⎥
⎣⎝ 2 ⎠ ⎦
Linf = 5.009
T
Ω :=
= 15.828
v P⋅ v

Ω = 24.303

el valor de Ω debe estar en el intervalo definido por Linf y Lsup para que el
ajuste pase el test global.

( )
 (Linf < Ω < Lsup) = 1

1.69 < 37.987 < 16.013

POR LO TANTO AL 95% DE PROBABILIDAD EL AJUSTE NO PASA EL TEST GLOBAL

 ⎛⎜ 0.033 0 0 0 0 0 0 0 0 ⎞
⎟
⎜ 0 0.069 0 0 0 0 0 0 0 ⎟
⎜ 0 0 0.072 0 0 0 0 0 0 ⎟
⎜ ⎟
⎜ 0
0 0 0.048 0 0 0 0 0
⎟
Σ ll = ⎜ 0 0 0 0 0.051 0 0 0 0 ⎟
⎜ 0 0 0 0 0 0.066 0 0 0 ⎟
⎜ ⎟
⎜ 0 0 0 0 0 0 0.09 0 0 ⎟
⎜ 0 0 0 0 0 0 0 0.057 0 ⎟
⎜⎝ 0 0 0 0 0 0 0 0 0.059 ⎟⎠
 BN1
L2
L6

L9 L5

PT1 L1 PT2

L8 L4
L3
L7

BN4
 4 3 2 1
1
2
3

6
7

10

olocación de los instrumentos para la medición

Σll := Σll⋅ 10