绪论1.平差问题的函数模型的随机模型，无非以下几种：函数模型中系数阵是列满秩还是秩列亏；待估参数是非随机量还是随机量或者两者兼有；观测量的协方差阵是满秩还是奇异；2.以不同的准则来求定未知参数的最佳估计，得到不同的估计方法，经典的测量平差方法都是以最小二乘估计或者极大似然估计为根据导出的;滤波、配置和动态系统的卡尔曼滤波，最初是以极大验后估计或者最小方差估计导出的。3.有偏估计是为了克服法方程病态的问题的平差方法,病态又称为法方程的复共线性。P163（论述题）4.简述引起测量平差法方程系数矩阵病态的原因及其后果，通常采用什么方法解决这一问题，采用何种指标评价参数估值的精度？（在第一章讲过）（秩亏是用秩亏自由网平差，病态用有偏估计）原因：误差方程的系数矩阵存在着很弱的弱相关性，弱相关性也称复共线性。法方程中系数和常数项存在舍入误差而产生微小变化时，引起的解的很大差异。这种情况下法方程系数阵的性质不好，称为病态方程。后果：一旦存在病态性，法方程系数上的微小误差会导致方程的解完全被扭曲。最小二乘解不稳定。解决方法：采用有偏估计，包括岭估计、广义岭估计、主成分估计等等有偏估计方法。评定精度的指标：（在经典平差里面用参数估值的方差评定精度，在广义平差里面用参数估计误差的方差评定精度）在有偏估计中采用均方误差MS（X尖）来评定精度，均方误差用来衡量参数与其真值的偏离程度。（参数与数学期望间的偏离程度是方差）5.随着测绘科学技术的变革和不断发展，经典测量平差理论已经不能满足现代测量数据处理，根据自己的理解论述现代测量数据处理的发展方向。（PPT里面有）1.从法方程系数矩阵满秩扩展到法方程系数矩阵亏秩2.从仅处理静态数据扩展到处理动态数据3.从无偏估计扩展到有偏估计4.从线性模型的参数估计扩展到非线性模型的参数估计5.从待估参数为非随机量扩展到待估参数为随机量6.从观测值仅含偶然误差扩展到含有系统误差和粗差7.从主要研究函数模型扩展到深入研究随机模型经典—非随机广义---随机6.经典平差对观测误差的基本假设是？答：观测误差仅含有偶然误差经典平差的基本假设：（局限性）1）系统是静态的2）有足够的起算数据3）观测值是随机变量，参数是非随机变量4）观测误差为偶然误差5）观测值函数独立6）平差准则为VTPV=min7.经典平差---未知参数为非随机参数;第一章△X极大似然估计P81、正态分布的极大似然估计与最小二乘估计相同之间的转换，PPT15/16页2、均无法顾及到参数的先验统计性质。（对非随机参数进行估计）3、要求知道L、X的条件概率密度或者联合概率密度；估计量可以是L的任意函数。最小二乘估计P161、最小二乘估计并没有考虑参数的随机性质，当不知道参数的先验期望和先验方差、参数是非随机量时，可应用最小二乘估计。2、各种经典平差方法，都是依据最小二乘估计准则，去求未知参数估值和观测值的平差值3、不需要知道任何统计信息。估计量是L的线性函数极大验后估计P181、考虑了参数的先验统计性质2、极大验后估值的误差方差小于最小二乘估值的误差方差，当参数的先验期望、方差已知时，极大验后估计改善了最小二乘估计。P20、PPT18页3、要求知道L、X的条件概率密度或者联合概率密度；估计量可以是L的任意函数。最小方差估计P20、PPT191、当X、L都是正态随机向量时，X的最小方差估值和极大验后估值相同。P192、最小方差估计为无偏估计PPT213、要求知道L、X的条件概率密度或者联合概率密度；估计量可以是L的任意函数。线性最小方差估计PPT211、无偏性、有效性2、当X、L都是正态随机向量时，X的线性最小方差估计与最小方差估值和极大验后估值相同。3、放宽对概率密度的要求，要求已知L、X的数学期望和方差、协方差。要求所求估计量是L的线性函数。估计量的均方误差最小为原则。广义测量平差原理：构造新的最小二乘算法，得到极大验后估计的结果1、极大似然估计=最小二乘估计2、极大验后估计（改善）极大似然估计（最小二乘估计）P273、X是不具有先验统计特性的非随机量时，极大验后估计在此时便退化为极大似然估计与最小二乘估计。P274、正态分布时，计算结果与极大验后估计相同。5...
