Merge remote-tracking branch 'origin/main'

# Conflicts:
#	.idea/.gitignore
#	.idea/misc.xml
#	.idea/modules.xml

.idea/.gitignore

@@ -3,6 +3,3 @@
 /workspace.xml
 # Editor-based HTTP Client requests
 /httpRequests/
-# Datasource local storage ignored files
-/dataSources/
-/dataSources.local.xml

.idea/Masterprojekt-Campusnetz.iml

@@ -0,0 +1,8 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<module type="PYTHON_MODULE" version="4">
+  <component name="NewModuleRootManager">
+    <content url="file://$MODULE_DIR$" />
+    <orderEntry type="jdk" jdkName="Python 3.14" jdkType="Python SDK" />
+    <orderEntry type="sourceFolder" forTests="false" />
+  </component>
+</module>

.idea/misc.xml

@@ -1,7 +1,7 @@
 <?xml version="1.0" encoding="UTF-8"?>
 <project version="4">
   <component name="Black">
-    <option name="sdkName" value="Python 3.14 (Masterprojekt)" />
+    <option name="sdkName" value="Python 3.14" />
   </component>
-  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.14 (Masterprojekt)" project-jdk-type="Python SDK" />
+  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.14" project-jdk-type="Python SDK" />
 </project>

.idea/modules.xml

@@ -2,7 +2,7 @@
 <project version="4">
   <component name="ProjectModuleManager">
     <modules>
-      <module fileurl="file://$PROJECT_DIR$/.idea/Masterprojekt.iml" filepath="$PROJECT_DIR$/.idea/Masterprojekt.iml" />
+      <module fileurl="file://$PROJECT_DIR$/.idea/Masterprojekt-Campusnetz.iml" filepath="$PROJECT_DIR$/.idea/Masterprojekt-Campusnetz.iml" />
     </modules>
   </component>
 </project>

Stochastisches_Modell.py

@@ -0,0 +1,112 @@
+import sympy as sp
+from dataclasses import dataclass, field
+from typing import Dict, Tuple
+
+@dataclass
+class StochastischesModellApriori:
+    sigma_beob: Iterable[float]           #σ der einzelnen Beobachtung
+    group_beob: Iterable[int]             #Gruppenzugehörigkeit jeder Beobachtung (Distanz, Richtung, GNSS, Nivellement,...,)
+    sigma0_groups: Dict[int, float] = field(default_factory=dict)  #σ0² für jede Gruppe
+
+
+    def __post_init__(self):
+        self.sigma_beob = sp.Matrix(list(self.sigma_beob))  #Spaltenvektor
+        self.group_beob = sp.Matrix(list(self.group_beob))  #Spaltenvektor
+
+        if self.sigma_beob.rows != self.group_beob.rows:
+            raise ValueError("sigma_obs und group_ids müssen gleich viele Einträge haben.")
+
+        unique_groups = sorted({int(g) for g in self.group_beob})       #jede Beobachtungsgruppe wird genau einmal berücksichtigt
+        for g in unique_groups:
+            if g not in self.sigma0_groups:                             #Fehlende Gruppen mit σ_0j^2 = 1.0
+                self.sigma0_groups[g] = 1.0
+
+
+    @property
+    def n_beob(self) -> int:
+        return int(self.sigma_beob.rows)
+
+
+    def aufstellen_Qll_P(self) -> Tuple[sp.Matrix, sp.Matrix]:
+        n = self.n_beob
+        Q_ll = sp.zeros(n, n)
+        P = sp.zeros(n, n)
+
+        for i in range(n):
+            sigma_i = self.sigma_beob[i, 0]         #σ-Wert der i-ten Beobachtung holen
+            g = int(self.group_beob[i, 0])          #Gruppenzugehörigkeit der Beobachtung bestimmen
+            sigma0_sq = self.sigma0_groups[g]       #Den Varianzfaktor der Gruppe holen
+            q_ii = sigma_i**2                       #σ² berechnen
+            Q_ll[i, i] = q_ii                       #Diagonale
+            P[i, i] = 1 / (sigma0_sq * q_ii)        #durch VKS nicht mehr P=Qll^-1
+        return Q_ll, P
+
+
+    @staticmethod
+    def redundanz_pro_beobachtung(A: sp.Matrix, P: sp.Matrix) -> sp.Matrix:
+        n_beob = P.rows                             #Anzahl der Beobachtungen (Zeilen in P)
+        n_param = A.cols                            #Anzahl der Unbekannten (Spalten in A)
+
+        sqrtP = sp.zeros(n_beob, n_beob)      #Wurzel von P (der Diagonale)
+        for i in range(n_beob):
+            sqrtP[i, i] = sp.sqrt(P[i, i])
+
+        A_tilde = sqrtP * A
+
+        M = (A_tilde.T * A_tilde).inv()
+
+        r_vec = sp.zeros(n_beob, 1)
+
+        for i in range(n_beob):
+            a_i = A_tilde.row(i)          # 1 × n_param
+            a_i_row = sp.Matrix([a_i])    # explizit 1×n-Matrix
+            r_i = 1 - (a_i_row * M * a_i_row.T)[0, 0]
+            r_vec[i, 0] = r_i
+
+        return r_vec
+
+
+    def varianzkomponentenschaetzung(
+        self,
+        v: sp.Matrix,   # Residuenvektor (n × 1)
+        A: sp.Matrix,   # Designmatrix
+    ) -> Dict[int, float]:
+
+        if v.rows != self.n_beob:
+            raise ValueError("Länge von v passt nicht zur Anzahl Beobachtungen im Modell.")
+
+        # Aktuelle Gewichte
+        Q_ll, P = self.aufstellen_Qll_P()
+
+        # Redundanzzahlen pro Beobachtung
+        r_vec = self.redundanz_pro_beobachtung(A, P)
+
+        new_sigma0_sq: Dict[int, float] = {}
+
+        # Für jede Gruppe j:
+        unique_groups = sorted({int(g) for g in self.group_beob})
+
+        for g in unique_groups:
+            # Indizes der Beobachtungen in dieser Gruppe
+            idx = [i for i in range(self.n_beob) if int(self.group_beob[i, 0]) == g]
+            if not idx:
+                continue
+
+            # v_j, P_j, r_j extrahieren
+            v_j = sp.Matrix([v[i, 0] for i in idx])               # (m_j × 1)
+            P_j = sp.zeros(len(idx), len(idx))
+            r_j = 0
+            for ii, i in enumerate(idx):
+                P_j[ii, ii] = P[i, i]
+                r_j += r_vec[i, 0]
+
+            # σ̂_j^2 = (v_jᵀ P_j v_j) / r_j
+            sigma_hat_j_sq = (v_j.T * P_j * v_j)[0, 0] / r_j
+
+            # als float rausgeben, kann man aber auch symbolisch lassen
+            new_sigma0_sq[g] = float(sigma_hat_j_sq)
+        return new_sigma0_sq
+
+    def update_sigma0(self, new_sigma0_sq: Dict[int, float]) -> None:
+        for g, val in new_sigma0_sq.items():
+            self.sigma0_groups[int(g)] = float(val)