Pythonfiles

Parameterschaetzung.py

@@ -1,26 +1,41 @@
+from typing import Dict, Any
 import sympy as sp
 
-#für Varianzkomponentenschätzung
-MAX_ITER = 10
-TOL = 1e-3  # 0.1%.
+def ausgleichung_mit_vks_iterativ(
+    A: sp.Matrix,
+    l: sp.Matrix,
+    modell: StochastischesModell,
+    max_iter: int = 10,
+    tol: float = 1e-3,
+) -> Dict[str, Any]:
+    """
+    Führt eine iterative Ausgleichung mit Varianzkomponentenschätzung durch.
 
-for loop in range(MAX_ITER):
+    Ablauf:
+      - starte mit σ0,g² aus modell.sigma0_groups (meist alle = 1.0)
+      - wiederhole:
+          * Ausgleichung
+          * VKS
+          * Aktualisierung σ0,g²
+        bis sich alle σ̂0,g² ~ 1.0 (oder max_iter erreicht).
+    """
 
-    Q_ll, P = modell.aufstellen_Qll_P()
+    history = []  # optional: Zwischenergebnisse speichern
 
-    N = A.T * P * A
-    n_vec = A.T * P * l
-    dx = N.LUsolve(n_vec)
+    for it in range(max_iter):
+        result = ausgleichung_einmal(A, l, modell)
+        history.append(result)
 
-    v = l - A * dx
+        sigma_hat = result["sigma_hat"]
 
-    sigma_hat = modell.varianzkomponenten(v, A)
+        # Prüfkriterium: alle σ̂ nahe bei 1.0?
+        if all(abs(val - 1.0) < tol for val in sigma_hat.values()):
+            print(f"Konvergenz nach {it+1} Iterationen.")
+            break
 
-    print(f"Iteration {loop+1}, σ̂² Gruppen:", sigma_hat)
+        # sonst: Modell-σ0,g² mit VKS-Ergebnis updaten
+        modell.update_sigma0_von_vks(sigma_hat)
 
-    # Prüfen: ist jede Komponente ≈ 1?
-    if all(abs(val - 1) < TOL for val in sigma_hat.values()):
-        print("Konvergenz erreicht ✔")
-        break
-
-    modell.update_sigma(sigma_hat)
+    # letztes Ergebnis + History zurückgeben
+    result["history"] = history
+    return result