پردازش داده های ژئودتیکی، عموماً با روش کمترین مربعات صورت می گیرد. برای رسیدن به بهترین برآورد نااریب خطی، استفاده از مدل تصادفی مناسب و یا به بیان دیگر ارائه وزن مناسب برای مشاهدات، الزامی است. برای تعیین مدل تصادفی مناسب از روش برآورد مولفه های واریانس (vce) استفاده می شود. یکی از کاربرد های ژئودتیکی برآورد مولفه های واریانس، وزن دهی به مشاهدات سیستم تعیین موقعیت جهانی gps می باشد. ساده ترین و رایج ترین مدل تصادفی مورد استفاده، انتخاب وزن یکسان برای مشاهدات خام gps و صرف نظر کردن از همبستگی بین مشاهدات مختلف، می باشد. واضح است چنین مدلی، مدل قابل اطمینانی نخواهد بود؛ ارائه مدل تصادفی نامناسب، منجر به کاهش دقت در پارامترهای برآورده شده خواهد شد. در حالی که استفاده از ماتریس وزن صحیح برای مشاهدات باعث می شود مشاهدات با دقت بالاتر سهم بیش تری در حل نهایی نسبت به مشاهدات کم دقت تر داشته باشند. بنابراین نیاز است که عواملی از قبیل دقت متفاوت برای انواع مشاهدات مختلف gps، وابستگی دقت ماهواره ها به ارتفاع آن ها و یا همبستگی بین انواع مختلف مشاهدات gps و همبستگی زمانی بین مشاهدات در ساختار ماتریس وزن مشاهدات gps در نظر گرفته شود. در این پایان نامه از روش برآورد مولفه های واریانس کمترین مربعات (ls-vce) جهت تعیین مدل تصادفی مناسب برای مشاهدات gps استفاده می شود. مدل تابعی مورد استفاده در این پایان نامه، مدل هندسه- مبنا برای مشاهدات تفاضلی مرتبه دوم gps می باشد. در این پایان نامه نتایج حاصل از پیاده سازی الگوریتم برآورد مولفه های واریانس کمترین مربعات، برای مشاهدات جمع-آوری شده توسط گیرنده های تریمبل4000 ssi ، تریمبلr7 و لایکا sr530 ارائه شده است. نتایج بدست آمده به ترتیب همبستگی قابل توجه 55/0 و 51/0 بین مشاهدات کد ca و p2 در گیرنده تریمبل 4000 ssi و لایکا sr530 و نیز همبستگی قابل توجه 64/0 بین مشاهدات فاز l1 و l2 در گیرنده تریمبل r7 را نشان می دهد. همچنین نتایج حاصله، وجود وابستگی دقت مشاهدات به ارتفاع ماهواره ها را تائید می کند. بعلاوه همبستگی زمانی 10 ثانیه در مشاهدات کد p2 و فاز l2 در گیرنده تریمبل 4000 ssi و همبستگی زمانی 10 ثانیه در مشاهدات کد p2 در گیرنده تریمبل r7 مشاهده شد.