Тест: Контрольный Word — Гипермаркет знаний. Параметры и переменные в функциях Окно «Параметры страницы»

При объявлении функции указываются формальные параметры, которые потом используются внутри самой функции. При вызове функции мы используем фактические параметры. Фактическими параметрами могут быть переменные любого подходящего типа или константы.

Локальные переменные существуют только во время выполнения программного блока, в котором они объявлены, создаются они при входе в блок, а разрушаются - при выходе из него. Более того, переменная, объявленная в одном блоке, не имеет никакого отношения к переменной с тем же именем, объявленной в другом блоке.

В отличие от локальных, глобальные переменные видимы и могут использоваться в любом месте программы. Они сохраняют свое значение на протяжении всей работы программы. Чтобы создать глобальную переменную, ее необходимо объявить за пределами функции. Глобальная переменная может быть использована в любом выражении, независимо от того, в каком блоке это выражение используется.

inti,j; /* У первой функции видныi,jфайлового уровня. Кроме того, у нее есть формальный параметрk и локальная переменнаяresult В процессе работы эта функция изменяет значение файловой переменнойi*/intf1(intk) { intresult; result=i*j+k; i+= 100; returnresult; }

/* Во второй функции имя формального параметра совпадает с именем переменной i файлового уровня, при работе используется параметр, а не файловая переменная. */ int f2(int i)

{ /* i - параметр, j - файловая */ return i*j;

/* С третьей функцией аналогичная ситуация, что и со второй. Только на этот раз маскируется файловая переменная j, и не формальным параметром, а локальной переменной. */ int f3(int k)

{ int j; j=100; /* i - файловая, j - локальная */ return i*j + k;

Переменная j самого внутреннего блока маскирует не только файловую, но и локальную переменную из внешнего блока. */ int f4 (int k)

{ /* Объявляем переменную и сразу инициализируем */ int j=100; { /* Объявляем еще одну локальную с тем же именем, что у файловой и локальной из внешнего блока */ int j=10; /* i - файловая, j - локальная, причем из внутреннего блока */ return i*j + k; }

Необходимость инициализации переменных (автоматические переменные)

Самый простой метод - это объявление переменных внутри функций. Если переменная объявлена внутри функции, каждый раз, когда функция вызывается, под переменную автоматически отводится память. Когда функция завершается, память, занимаемая переменными, освобождается. Такие переменные называют автоматическими.

При создании автоматических переменных они никак не инициализируются, т.е. значение автоматической переменной сразу после ее создания не определено, и нельзя предсказать, каким будет это значение. Соответственно, перед использованием автоматических переменных необходимо либо явно инициализировать их, либо присвоить им какое-либо значение.

ИНИЦИАЛИЗАЦИЯ ДО ИСПОЛЬЗОВАНИЯ!!!

/* Файловая переменная без инициализации, будет равна 0 */ int s; int f() { /* Локальная без инициализации, содержит "мусор" */ int k; return k; } int main() { printf("%d\n", s); /* Всегда печатает 0 */ /* Невозможно предсказать, что увидим */ /* К тому же числа могут быть разными */ printf("%d\n", f()); ...; printf("%d\n", f()); return 0;

Теперь, когда найдены наиболее подходящие значения параметров распределения, рассчитаем оптимальное f для этого распределения. Мы можем применить процедуру, которая была использована в предыдущей главе для поиска оптимального f при нормальном распределении. Единственное отличие состоит в том, что вероятности для каждого стандартного значения (значения X) рассчитываются с помощью уравнений (4.06) и (4.12). При нормальном распределении мы находим столбец ассоциированных вероятностей (вероятностей, соответствующих определенному стандартному значению), используя уравнение (3.21). В нашем случае, чтобы найти ассоциированные вероятности, следует выполнить процедуру, детально описанную ранее:

Для данного стандартного значения Х рассчитайте его соответствующее N\"(X) с помощью уравнения (4.06).

Для каждого стандартного значения Х рассчитайте накопленную сумму зна-чений N\"(X), соответствующих всем предыдущим X.

Теперь, чтобы найти N(X), т.е. итоговую вероятность для данного X, прибавьте текущую сумму, соответствующую значению X, к текущей сумме, соответствующей предыдущему значению X. Разделите полученную величину на 2. Затем разделите полученное частное на общую сумму всех N\"(X), т.е. последнее число в столбце текущих сумм. Это новое частное является ассоциированной 1-хвостой вероятностью для данного X.

Так как теперь у нас есть метод поиска ассоциированных вероятностей для стандартных значений Х при данном наборе значений параметров, мы можем найти оптимальное f. Процедура в точности совпадает с той, которая применяется для поиска оптимального f при нормальном распределении. Единственное отличие состоит в том, что мы рассчитываем столбец ассоциированных вероятностей другим способом. В нашем примере с 232 сделками значения параметров, которые получаются при самом низком значении статистики К-С, составляют 0,02, 2,76, О и 1,78 для LOC, SCALE, SKEW и KURT соответственно. Мы получили эти значения параметров, используя процедуру оптимизации, описанную в данной главе. Статистика К-С == 0,0835529 (это означает, что в своей наихудшей точке два распределения удалены на 8,35529%) при уровне значимости 7,8384%. Рисунок 4-10 показывает функцию распределения для тех значений параметров, которые наилучшим образом подходят для наших 232 сделок. Если мы возьмем полученные параметры и найдем оптимальное f по этому распределению, ограничивая распределение +3 и -3 сигма, используя 100 равноотстоящих точек данных, то получим f= 0,206, или 1 контракт на каждые 23 783,17 доллара. Сравните это с эмпирическим методом, который покажет, что оптимальный рост достигается при 1 контракте на каждые 7918,04 доллара на балансе счета. Этот результат мы получаем, если ограничиваем распределение 3 сигма с каждой стороны от среднего. В действительности, в эмпирическом потоке сделок у нас был проигрыш наихудшего случая 2,96 сигма и выигрыш наилучшего случая 6,94 сигма. Теперь, если мы вернемся и ограничим распределение 2,96 сигма слева от среднего и 6,94 сигма справа (и на этот раз будем использовать 300 равноотстоящих точек данных), то получим оптимальное f = 0,954, или 1 контракт на каждые 5062,71 доллара на балансе счета. Почему оно отличается от эмпирического оптимального Г= 7918,04?

Проблема состоит в «грубости» фактического распределения.

Вспомните, что уровень значимости наших наилучшим образом подходящих параметров был только 7,8384%. Давайте возьмем распределение 232 сделок и поместим в 12 ячеек от -3 до +3 сигма.

Ячейки Количество сделок

Вг„. -0,5 0,0 43

ь -\" 0,0 0,5 69

Отметьте, что на хвостах распределения находятся пробелы, т.е. области, или ячейки, где нет эмпирических данных. Эти области сглаживаются, когда мы приспосабливаем наше регулируемое распределение к данным, и именно эти сглаженные области вызывают различие между параметрическим и эмпирическим оптимальным Г Почему же наше характеристическое распределение при всех возможностях регулировки его формы не очень хорошо приближено к фактическому распределению? Причина состоит в том, что наблюдаемое распределение имеет слишком много точек перегиба. Параболу можно направить ветвями вверх или вниз. Однако вдоль всей параболы направление вогнутости или выпуклости не изменяется. В точке перегиба направление вогнутости изменяется. Парабола имеет 0 точек перегиба,

4899,56 -3156,33 -1413,1 330,13 2073,36 3816,59

Рисунок 4-11 Точки перегиба колоколообразного распределения

Рисунок 4-10 Регулируемое распределение для 232 сделок

так как направление вогнутости никогда не изменяется. Объект, имеющий форму буквы S, лежащий на боку, имеет одну точку перегиба, т.е. точку, где вогнутость изменяется. Рисунок 4-11 показывает нормальное распределение. Отметьте, что в колоколообразной кривой, такой как нормальное распределение, есть две точки перегиба. В зависимости от значения SCALE наше регулируемое распределение может иметь ноль точек перегиба (если SCALE очень низкое) или две точки перегиба. Причина, по которой наше регулируемое распределение не очень хорошо описывает фактическое распределение сделок, состоит в том, что реальное распределение имеет слишком много точек перегиба. Означает ли это, что полученное характеристическое распределение неверно? Скорее всего нет. При желании мы могли бы создать функцию распределения, которая имела бы больше двух точек перегиба. Такую функцию можно было бы лучше подогнать к реальному распределению. Если бы мы создали функцию распределения, которая допускает неограниченное количество точек перегиба, то мы бы точно подогнали ее к наблюдаемому распределению. Оптимальное f, полученное с помощью такой кривой, практически совпало бы с эмпирическим. Однако чем больше точек перегиба нам пришлось бы добавить к функции распределения, тем менее надежной она была бы (т.е. она хуже представляла бы будущие сделки). Мы не пытаемся в точности подогнать параметрическое IK наблюдаемому, а стараемся лишь определить, как распределяются наблюдаемые данные, чтобы можно было предсказать с большой уверенностью будущее оптимальное 1(если данные будут распределены так же, как в прошлом). В регулируемом распределении, подогнанном к реальным сделкам, удалены ложные точки перегиба. Поясним вышесказанное на примере. Предположим, мы используем доску Галтона. Мы знаем, что асимптотически распределение шариков, падающих через доску, будет нормальным. Однако мы собираемся бросить только 4 шарика. Можем ли мы ожидать, что результаты бросков 4 шариков будут распределены нормально? Как насчет 5 шариков? 50 шариков? В асимптотическом смысле мы ожидаем, что наблюдаемое распределение будет ближе к нормальному при увеличении числа сделок. Подгонка теоретического распределения к каждой точке \r\nперегиба наблюдаемого распределения не даст нам большую степень точности в будущем. При большом количестве сделок мы можем ожидать, что наблюдаемое распределение будет сходиться с ожидаемым и многие точки перегиба будут заполнены сделками, когда их число стремится к бесконечности. Если наши теоретические параметры точно отражают распределение реальных сделок, то оптимальное Г, полученное на основе теоретического распределения, при будущей последовательности сделок будет точнее, чем оптимальное Г, рассчитанное эмпирически из прошлых сделок. Другими словами, если наши 232 сделки представляют распределение сделок в будущем, тогда мы можем ожидать, что распределение сделок в будущем будет ближе к нашему «настроенному» теоретическому распределению, чем к наблюдаемому, с его многочисленными точками перегиба и «зашумленностью» из-за конечного количества сделок. Таким образом, мы можем ожидать, что будущее оптимальное { будет больше похоже на оптимальное Г, полученное из теоретического распределения, чем на оптимальное Г, полученное эмпирически из наблюдаемого распределения.

Итак, лучше всего в этом случае использовать не эмпирическое, а параметрическое оптимальное Г Ситуация аналогична рассмотренному случаю с 20 бросками монеты в предыдущей главе. Если мы ожидаем 60% выигрышей в игре 1:1, то оптимальное Г= 0,2. Однако если бы у нас были только эмпирические данные о последних 20 бросках, 11 из которых были выигрышными, наше оптимальное { составило бы 0,1. Мы исходим из того, что параметрическое оптимальное { ($5062,71 в этом случае) верно, так как оно оптимально для функции, которая «генерирует» сделки. Как и в случае только что упомянутой игры с броском монеты, мы допускаем, что оптимальное { для следующей сделки определяется параметрической генерирующей функцией, даже если параметрическое { отличается от эмпирического оптимального Г

Очевидно, что ограничительные параметры оказывают большое влияние на оптимальное Г Каким образом выбирать эти ограничительные параметры? Посмотрим, что происходит, когда мы отодвигаем верхнюю границу. Следующая таблица составлена для нижнего предела 3 сигма с использованием 100 равноотстоящих точек данных и оптимальных параметров для 232 сделок:\r\nВерхняя граница Г \r\n3 Sigmas 0,206 $23783,17\r\n4 Sigmas 0,588 $8332,51\r\n5 Sigmas 0,784 $6249,42\r\n6 Sigmas 0,887 $5523,73\r\n7 Sigmas 0,938 $5223,41\r\n8 Sigmas 0,963 $5087,81\r\n* * *\r\n* * *\r\n100 Sigmas 0,999 $4904,46\r\n

Отметьте, что при постоянной нижней границе, чем выше мы отодвигаем верхнюю границу, тем ближе оптимальное { к 1. Таким образом, чем больше мы отодвигаем верхнюю границу, тем ближе оптимальное { в долларах будет к нижней границе (ожидаемый проигрыш худшего случая). В том случае, когда наша нижняя граница находится на -3 сигма, чем больше мы отодвигаем верхнюю границу, тем ближе в пределе оптимальное { в долларах будет к нижней границе, т.е. к $330,13 -(1743,23 * 3) = = -$4899,56. Посмотрите, что происходит, когда верхняя граница не меняется (3 сигма), а мы отодвигаем нижнюю границу Достаточно быстро арифметическое математическое ожидание такого процесса оказывается отрицательным. Это происходит потому, что более 50% площади под характеристической функцией находится слева от вертикальной оси. Следовательно, когда мы отодвигаем нижний ограничительный параметр, оптимальное { стремится к нулю. Теперь посмотрим, что произойдет, если мы одновременно начнем отодвигать оба ограничительных параметра. Здесь мы используем набор оптимальных параметров 0,02, 2,76, 0 и 1,78 для распределения 232 сделок и 100 равноотстоящих точек данных:

Верхняя и нижняя граница Б\r\n3 Sigmas 0,206 $23783,17\r\n4 Sigmas 0,158 $42 040,42\r\n5 Sigmas 0,126 $66 550,75\r\n6 Sigmas 0,104 $97 387,87\r\n* * *\r\n* * *\r\n100 Sigmas 0,053 $322625,17\r\n

Отметьте, что оптимальное { приближается к 0, когда мы отодвигаем оба ограни-чительных параметра. Более того, так как проигрыш наихудшего случая увеличи-вается и делится на все меньшее оптимальное Г, наше 1$, т.е. сумма финансирования 1 единицы, также приближается к бесконечности.

Проблему наилучшего выбора ограничительных параметров можно сформулировать в виде вопроса: где могут произойти в будущем наилучшие и наихудшие сделки (когда мы будем торговать в этой рыночной системе)? Хвосты распределения в действительности стремятся к плюс и минус бесконечности, и нам следует финансировать каждый контракт на бесконечно большую сумму (как в последнем примере, где мы раздвигали обе границы). Конечно, если мы собираемся торговать бесконечно долгое время, наше оптимальное { в долларах будет бесконечно большим. Но мы не собираемся торговать в этой рыночной системе вечно. Оптимальное Г, при котором мы собираемся торговать в этой рыночной системе, является функцией предполагаемых наилучших и наихудших сделок. Вспомните, если мы бросим монету 100 раз и запишем, какой будет самая длинная полоса решек подряд, а затем бросим монету еще 100 раз, то полоса решек после 200 бросков будет скорее всего больше, чем после 100 бросков. Таким же образом, если проигрыш наихудшего случая за нашу историю 232 сделок равнялся 2,96 сигма (для удобства возьмем 3 сигма), тогда в будущем мы должны ожидать проигрыш больше 3 сигма. Поэтому вместо того, чтобы ограничить наше распределение прошлой историей сделок (-2,96 и +6,94 сигма), мы ограничим его - 4 и +6,94 сигма. Нам, вероятно, следует ожидать, что в будущем именно верхняя, а не нижняя граница будет нарушена. Однако это обстоятельство мы не будем принимать в расчет по нескольким причинам. Первая состоит в том, что торговые системы в будущем ухудшают свою результативность по сравнению с работой на исторических данных, даже если они не используют оптимизируемых параметров. Все сводится к принципу, что эффективность механических торговых систем постепенно снижается. Во-вторых, тот факт, что мы платим меньшую цену за ошибку в оптимальном f при смещении влево, а не вправо от пика кривой f, предполагает, что следует быть более консервативными в прогнозах на будущее. Мы будем рассчитывать параметрическое оптимальное f при ограничительных параметрах -4 и +6,94 сигма, используя 300 равноотстоящих точек данных. Однако при расчете вероятностей для каждой из 300 равноотстоящих ячеек данных важно, чтобы мы рассмотрели распределение на 2 сигмы до и после выбранных ограничительных параметров. Поэтому мы будем определять ассоциированные вероятности, используя ячейки в интервале от -6 до +8,94 сигма, даже если реальный интервал -4 - +6,94 сигма. Таким образом, мы увеличим точность результатов. Использование оптимальных параметров 0,02, 2,76, 0 и 1,78 теперь даст нам оптимальное f =0,837, или 1 контракт на каждые 7936,41 доллара. Пока ограничительные параметры не нарушаются, наша модель точна для выбранных границ. Пока мы не ожидаем проигрыша больше 4 сигма ($330,13 -(1743,23 * 4) =- $6642,79) или прибыли больше 6,94 сигма ($330,13 + + (1743,23 * 6,94) = $12 428,15), можно считать, что границы распределения будущих сделок выбраны точно. Возможное расхождение между созданной моделью и реальным распределением является слабым местом такого подхода, то есть оптимальное f, полученное из модели, не обязательно будет оптимальным. Если наши выбранные параметры будут нарушены в будущем, f может перестать быть оптимальным. Этот недостаток можно устранить с помощью опционов, которые позволяют ограничить возможный проигрыш заданной суммой. Коль скоро мы обсуждаем слабость данного метода, необходимо указать на последний его недостаток. Следует иметь в виду, что реальное распределение торговых прибылей и убытков является распределением, где параметры постоянно изменяются, хотя и медленно. Следует периодически повторять настройку по торговым прибылям и убыткам рыночной системы, чтобы отслеживать эту динамику.

Еще по теме Использование параметров для поиска оптимального f:

1. 2. СИСТЕМА КЛАССИФИКАЦИЙ ЗАДАЧ УПРАВЛЕНИЯ ОРГАНИЗАЦИОННЫМИ ПРОЕКТАМИ
2. Кто поможет составить бизнес-план для поиска инвестиций
3. 3.4. Использование финансов для регулирования рыночной экономики.
4. Использование контракта для увеличения доходности инвестиций
5. Использование свопов для уменьшения процентных платежей
6. Поиск оптимального с помощью среднего геометрического.
7. Оптимальное F для других распределений и настраиваемых кривых
8. 2. Использование доказательств для изобличения допрашиваемого во лжи
9. Глава 6.Нетрадиционные методы и средства получения и использования значимой для расследования преступлений информации

- Авторское право - Адвокатура - Административное право - Административный процесс - Антимонопольно-конкурентное право - Арбитражный (хозяйственный) процесс - Аудит - Банковская система - Банковское право - Бизнес - Бухгалтерский учет - Вещное право -

Тест: Текстовый редактор

Вопрос №1 : Для чего мы используем параметры страницы документа?

1. Чтобы вставить нумерацию страниц

2. Чтобы расставить переносы

3. Чтобы задать отступы от границ страницы до границ текста

4. Чтобы выровнять текст

Вопрос №2 : Можем ли мы обвести часть текста рамкой, что бы выделить её?

Выберите один из вариантов ответа:

1. Да, для этогонужно воспользоваться границами и заливкой.

2. Да и для этого нужно воспользоваться параметрами страницы

3. Это можно сделать с помощью пункта Поля в Параметрах страницы.

4. Нет, можно сделать рамку только для целой страницы

Вопрос №3 : Внимание в этом вопросе возможны несколько вариянтов ответа!
Какие пункты мы можем осуществить при выводе документа на печать?

1. Указать количество страниц

2. Указать печать нескольких страниц на одной

3. Указать печать 5 страниц на одной

4. распечатать только отдельные страницы

5. Выбрать печать нескольких копий

Вопрос №4 : Текстовый редактор это программа для...

Выберите один из вариантов ответа:

1. обработки графической информации

2. обработки видеоинформации

3. обработки текстовой информации

4. работы с музыкальными записями

Вопрос №5 : Как удалить символ стоящий слева от курсора...

Выберите один из вариантов ответа:

1. Нажать Delete

2. Нажать BS

3. Нажать Alt

4. Нажать Ctrl+Shift

Вопрос №6 : Укажите порядок сохранения отредактированного документа под другим именем.

3. Выбрать место и имя файла

Вопрос №7 : Какое действие мы можем выполнить с таблицей?

Выберите несколько вариантов ответа:

1. Объединение ячеек

2. Изменить количество строк и столбцов

3. Закрсить одну ячейку

4. Вставить рисунок вместо границы

5. изменить вид границ таблицы

Вопрос №8 : Курсор - это

Выберите один из вариантов ответа:

1. устройство ввода текстовой информации

2. клавиша на клавиатуре

3. наименьший элемент отображения на экране

4. метка на экране монитора, указывающая позицию, в которой будет отображен вводимый с клавиатуры

Вопрос №9 : Как включить панель инструментов Рисование?

Выберите один из вариантов ответа:

1. Вид - Панели инструментов - Рисование

2. Правка - Вставить - Панели инструментов - Рисование

3. Файл - открыть - Рисование

Вопрос №10 : Как можно вставить рисунок в текстовый документ ТР MS Word?
(Внимание в данном вопросе возможно несколко вариантов ответа.)

Выберите несколько вариантов ответа:

1. из графического редактора

2. из файла

3. из коллекции готовых картинок

4. из меню Файл

5. из принтера

Вопрос №11 : Как в текстовом редакторе напечатать символ которого нет на клавиатуре?

Выберите один из вариантов ответа:

1. Воспользоваться вставкой символа

2. Использовать для этого рисование

3. Вставить из специального файла

Вопрос №12 : Укажите последовательность действий выполняемых при вставке формулы.

Укажите порядок следования вариантов ответа:

1. Выбрать пункт меню Вставка

2. Нажать Объект

3. Выбрать MicrosoftEquation

4. Написать формулу

5. Нажать левой кнопкой мыши в свободной области экрана

Ответы

«5» за 11-12 правильных ответов

«4» за 9-10 правильных ответов

«3» за 6-8 правильных ответов

«2» если правильных ответов 5 и меньше

Тест 1.4.2. «Электронные таблицы»

Вариант 1

1) В ячейке B1 записана формула =2*$A1 . Какой вид приобретет формула, после того как ячейку B1 скопируют в ячейку C2?

1) =2*$B1 2) =2*$A2 3) =3*$A2 4) =3*$B2Н

2) Дан фрагмент электронной таблицы:

	A	B	C	D

В ячейку D2 введена формула =А2*В1+С1 . В результате в ячейке D2 появится значение:

1) 6 2) 14 3) 16 4) 24

3) В ячейке А1 электронной таблицы записана формула =D1-$D2 . Какой вид приобретет формула после того, как ячейку А1 скопируют в ячейку В1?

1) =E1-$E2 2) =E1-$D2 3) =E2-$D2 4) =D1-$E2

4) В электронной таблице значение формулы =СРЗНАЧ(A6:C6) равно (-2 ). Чему равно значение формулы =СУММ(A6:D6) , если значение ячейки D6 равно 5?

1) 1 2) -1 3) -3 4) 7

5) На рисунке приведен фрагмент электронной таблицы. Определите, чему будет равно значение, вычисленное по следующей формуле =СУММ(B1:C4)+F2*E4–A3

После перемещения содержимого ячейки C70 в ячейку C71 значение в ячейке D71 изменится по абсолютной величине на:

1) 2,2 2) 2,0 3) 1,05 4) 0,8

7) Дан фрагмент электронной таблицы:

	A	B	C	D
	=C1-B1	=B1-A2*2	=C1/2	=B1+B2

После выполнения вычислений была построена диаграмма по значениям диапазона ячеек A2:D2. Укажите получившуюся диаграмму.

8) В телеконференции учителей физико-математических школ принимают участие 100 учителей. Среди них есть учителя математики (М), физики (Ф) и информатики (И). Учителя имеют разный уровень квалификации: каждый учитель либо не имеет категории вообще (без категории – БK), либо имеет II, I или высшую (ВК) квалификационную категорию. На диаграмме 1 отражено количество учителей с различным уровнем квалификации, а на диаграмме 2 – распределение учителей по предметам.

Имеются 4 утверждения:

B) Все учителя информатики могут иметь высшую категорию.

Г) Все учителя математики могут иметь II категорию.

Какое из этих утверждений следует из анализа обеих представленных диаграмм?"

1) А 2) Б 3) В 4) Г

9) На диаграмме представлено количество участников тестирования в разных регионах России:

Какая из диаграмм правильно отражаем соотношение общего количества участников тестирования по регионам?

1)

2)

3)

4)

Практическая часть

Задание № 1

Создать таблицу и отформатировать ее по образцу.

Возможность использования «пользовательских параметров и показателей» пришла вместе с новой версией Google Analytics. Если ранее, в ставшей уже классической версии Google Analytics, нам была предоставлена возможность манипулировать 5-ю пользовательскими переменными, то теперь в Universal Analytics мы можем использовать до 20 пользовательских параметров и показателей.

Для удобства работы с материалом я разделил его на блоки:

• 1. Что такое пользовательские параметры и показатели?
• 2 .Для каких целей могут быть использованы пользовательские параметры и показатели Universal Analytics?
• 3 .Ограничения использования пользовательских параметров и показателей.
• 4 .Создание пользовательских параметров и показателей.
• 5. Установка значений пользовательских параметров и показателей.
• 6. Работа с пользовательскими параметрами и показателями в отчетах Google Analytics.

Что такое пользовательские параметры и показатели?

Если объяснять простыми словами, то параметры описывают характеристики некоторого объекта, например, это может быть заголовок или URL страницы.

Пользовательские показатели передают значения, такие как: условная ценность страницы сайта в баллах.

Для каких целей могут быть использованы пользовательские параметры и показатели Universal Analytics?

1. вы можете с их помощью передавать в Google Analytics информацию, которой нет в стандартных отчетах;
2. пользовательские параметры и показатели используются в таких возможностях Google Analytics, как расширение данных и импорт данных о расходах;
3. они позволяют помечать посетителей, а затем анализировать поведение различных групп пользователей, например, тех, кто зарегистрирован на сайте, и тех, кто не прошел эту процедуру.

Это далеко не исчерпывающий перечень возможных вариантов использования параметров и показателей, которые вы можете создать сами.

Ограничения использования пользовательских параметров и показателей .

В классической версии Google Analytics можно использовать 5 пользовательских переменных, в версии Universal Analytics - до 20 пользовательских параметров и показателей. Если вы - пользователь версии Premium, то сможете создать до 200 собственных параметров и показателей.

Обратите внимание: 20 и 200 - это общее количество параметров и показателей. Т.е., можно создать 15 параметров и 5 показателей (всего 20), но не 20 параметров и 20 показателей (всего 40).

Лимит устанавливается на каждый ресурс.

Создание пользовательских параметров и показателей.

Для того чтобы создать пользовательский параметр или показатель, необходимо перейти в режим администратора, выбрать нужный (из доступных) ресурс, после чего в меню найти пункт «Пользовательские определения»:

Затем выбираете нужное значение: параметр или показатель (в зависимости от того, что вы собираетесь создать). После выбора откроется страница, на которой будут отображены все параметры или показатели, ранее созданные для ресурса:

Доступные параметры и показатели Universal Analytics

Для создания новой записи нажмите на красную кнопку вверху таблицы:

Отобразится форма, в которой нужно заполнить поле «Название» (оно будет использоваться в отчетах), а также указать область действия параметра или показателя:

Создание параметра Google Analytic s

Если вы не знакомы с областью действия параметров и показателей, рекомендую ознакомиться с официальной документацией (на английском языке).

Если Вам сложно понять принцип работы хитов, сессий и уровня пользователя, то постараюсь немного раскрыть эту тему.

В Google Analytics все строится на хитах. Единичный просмотр страницы, событие на сайте, транзакция, социальное действие и прочее – все это называется хитами . Для наглядности, назовем это «ваш шаг».

Сессия – это набор хитов, которые выполняются до тех пор, пока сессия не прерывается, т.е., пока не прошло 30 минут бездействия пользователя (время по умолчанию). До этого момента сессия считается активной. Для наглядности – это ваши шаги (хиты) от первого шага (хита) до заключительного (хита). По прошествии 30 минут Вы сделали шаг (хит): начался второй путь (новая, вторая сессия).

Уровень пользователя – это все хиты и сессии одного пользователя: это все ваши шаги (хиты) и пути (сессии) за то время, пока вы можете двигаться.

О том, как ведут себя значения , устанавливаемые для параметров и показателей на различных уровнях, достаточно информативно отображено на иллюстрациях в официальной документации. Советую разобраться с этим, чтобы потом не возникало вопросов: «Почему некоторые значения оказываются «затертыми»?»

Установка значений пользовательских параметров и показателей.

После того как вы создали необходимые вам параметры и показатели, им нужно начать присваивать значения. Сделать это можно различными способами:

1. через код отслеживания;
2. с помощью Google Tag Manager;
3. используя Measurement Protocol.

Давайте разберем каждый из перечисленных вариантов.

После того как вы создадите в «Панели управления» новый параметр или показатель, вам будет предложен код для размещения на страницах сайта или в приложении:

Пример кода для установки значения параметра

Это первый способ установки значения (через код отслеживания). Он также может быть реализован с помощью двух немного отличающихся способов .

Вариант 1 . Установка значения пользовательского параметра или показателя при отправке данных о хите (просмотре страницы, событии и пр.). Пример реализации:

// передача значения при отправке данных о просмотре страницы ga("send", "pageview", { "dimension15": "My Custom Dimension" }); // передача значения при отправке данных о событии ga("send", "event", "category", "action", { "metric18": 8000 });

Вариант 2. Установка значения пользовательского параметра или показателя используя метод
set. Пример реализации:

1 // установка значения
2 ga("set", "dimension5","custom data");

Во втором варианте значение устанавливается для всех хитов, которые будут вызваны после установки значения. Например, вы установили нужное значение, и затем на страницы происходит отправка данных о просмотре страницы, а после - фиксация действия. В этом случае значения параметра или показателя будет передаваться и для просмотра страницы, и для события.

Если используется первый вариант, то значения передаются только для того хита, где они перечислены.

Распространенной ошибкой является использование второго варианта с установкой значения через set (после вызова метода send). Запомните: установка любого значения через set должна быть выполнена до вызова send .

Правильное использование:

1 // установка значения
2
3
4 // отправка данных о событии
5

Неправильное использование:

1 // отправка данных о событии
2 ga("send", "event", "category", "action");
3
4 // установка значения
5 ga("set", "dimension5", "custom data");

Следующий способ – передача данных с помощью Google Tag Manager. Использовать данный способ нужно в том случае, если внедрение Google Analytics на сайт выполнено с помощью Google Tag Manager.

Для того чтобы указать, что при активации тега должны быть переданы значения пользовательского параметра или показателя, при настройке тега нужно кликнуть по блоку «Дополнительные настройки», а затем найти строки «Специальные параметры» или «Специальные показатели» и кликнуть на нужном из них. Отобразится примерно следующее :

Создание параметров и показателей в Google Tag Manager

Пример настройки параметра в Google Tag Manager

Откуда берется значение для поля «Индекс»? Оно присваивается при создании параметра или показателя в панели управления:


Пример создания в Google Tag Manager

В качестве значения параметра вы можете использовать постоянное значение, которое вводится в соответствующее поле. Помимо этого можно указать значение любого доступного макроса:

Значение параметра из макроса

После выполненных настроек значения будут передаваться при каждой активации тега.

Третий способ передачи значений, использование Measurement Protocol или Протокола передачи данных Google Analytics.

Если Вы еще не знакомы с этой возможностью, то рекомендую ознакомиться с ней в этом материале .

Я кратко остановлюсь на этой возможности, т.к. сложностей при ее использовании быть не должно (если что-то не будет получаться, вернитесь к описанию и принципу работы самого протокола).

Чтобы указать, что в запросе есть параметры и показатели, используйте дополнительные параметры с именами cdN и/или cmN , где N - это индекс, присвоенный при создании параметра или показателя.

Пример запроса Measurement Protocol, отправляемого с помощью JQuery при нажатии на кнопку с id=buttonId:

1 $("#buttonId").click(function(){
2 $.post(
3 «www.google-analytics.com/collect »,
4 {
5 v: "1",
6 tid: "UA-xxxxx-1",
7 cid: "12xx916x95.13x6127xx4",
8
9 t: "event",
10 ec: "Проверка события",
11 ea: "Виртуальное",
12
13 cd1: "Значение параметра",
14 cm2: 3, // значение показателя
15 },
16 onAjaxSuccess
17 )
18 });

Обратите внимание на строчку со значениями cd1 и cm1 : они передают значения для параметра с индексом 1 и показателя с индексом 2.

Следует также знать, что имеется ограничение для значения параметра в 150 байт (документация).

После того как нужные параметры и показатели были созданы, для них передаются значения: можно приступать к работе с собранными данными.

Работа с пользовательскими параметрами и показателями в отчетах Google Analytics.

Вы проделали большую работу по созданию и настройке параметров и показателей, организовали передачу нужных значений, но она будет бесполезна, если с полученными данными никто не сможет работать. В Google Analytics проблем с этим нет. Ваша информация доступна как в стандартных отчетах, так и в пользовательских.

Работа со стандартными отчетами.

Использование в расширенных сегментах:

Использование в пользовательских отчетах:

Использование в пользовательских отчетах Google Analytics

Для начала небольшая справка:

Пагинация – это порядковая нумерация страниц, которая обычно находится вверху или внизу страниц сайта.

В большинстве случаев применяется для главных страниц и разделов. Зачастую выглядит так:

Детально про то, что такое пагинация описано в Википедии .

Мы считаем этот момент важным для внутренней оптимизации сайта, поэтому в данном руководстве по пагинации для SEO рассмотрим главные нюансы и решения.

Ближе к делу!

Давайте рассмотрим некоторые из потенциальных проблем, которые возникают, когда вы используете пагинацию, без учета потенциальных проблем:

Лимит посещение поисковыми роботами для вашего сайта

Когда поисковые роботы будет сканировать ваш сайт, глубина и количество страниц, которые они будут посещать за один раз, будут варьироваться в зависимости от траста сайта, частоты обновления контента и т.д. И, если у вас есть огромное количество страниц с пагинацией, то, вероятность того, что поисковые роботы будут ходить по всем страницам пагинации и проиндексируют все конечные страницы (товары/статьи) существенно падает. Кроме того, лимит будет расходоваться на посещение страниц пагинации, а не на посещении действительно важных страниц сайта.

Проблема с дубликатами

В зависимости от структуры ваших страниц с пагинацией, весьма вероятно, что некоторые страницы могут содержать похожее или идентичное содержание. В дополнение к этому, вы будете часто обнаруживать, что у вас на сайте одинаковые теги title и meta description. В этом случае, дублированный контент может вызвать затруднение у поисковых систем, когда приходит время, чтобы определить, максимально релевантные страницы для определенного поискового запроса.

На данный момент у SEO специалистов есть 4 способа для решения данной проблемы.

Вариант 1. Удаление постраничной пагинации из индекса с помощью noindex

В большинстве случаев данный метод есть приоритетным и максимально быстро реализуемым. Его суть в исключении всех страниц пагинации из индекса, кроме первой.

Реализуется он следующим способом: такой мета-тег

добавляется с секцию на все страницы кроме первой. Таким образом мы исключаем из индекса все страницы пагинации, кроме главной страницы каталога и при этом обеспечиваем индексацию всех товаров/страниц которые принадлежат данному каталогу.

Нюансы , которые следуют учесть:

• если вы размещаете текст описания главной страницы каталога, то его все равно желательно размещать только на первой странице .
• следует проверить чтобы при не дублировался URL первой страницы. Например, если пагинации у вас реализована таким образом:

site.com/catalog?page=2
site.com/catalog?page=3
…

site.com/catalog?page=N

то, если вы находитесь на не первой странице, ссылка на первую страницу должна быть

site.com/catalog

при этом с такой страницы

site.com/catalog?page=1

должен быть настроен 301 редирект на site.com/catalog.

Плюсы

• подходит для Яндекса
• наименее сложный из всех решений
• отличный способ исключить все страницы пагинации из индекса, если нет никаких логических оснований для их включения в индекс.

Минусы

• хоть и решает потенциальную проблему пагинации, но, при этом, исключаем постраничный контент из индекса
• если много товаров, то, если не использовать xml карту сайта, товары которые глубоко находятся в каталоге будут долго индексироваться.

Вариант 2. «Смотреть всё» и rel=“canonical”

Данный способ рекомендует использовать Google: его суть заключается в создании отдельной страницы «Смотреть всё», где выводятся все товары/страницы из данного каталога, а на всех страницах пагинации мы проставляем rel=“canonical” на страницу «Смотреть всё».

Реализация данного метода: после того как вы создали страницу «Смотреть всё» (например, это site.com/catalog/view-all.html), то на всех страницах пагинации необходимо в секцию разместить:

.

Таким образом мы показываем поисковым системам, что каждая страница пагинации, как бы является частью страницы «Смотреть всё».

• для них это наиболее предпочтительный метод
• пользователи предпочитают просматривать сразу всю категорию на одной странице (хотя этот момент довольно спорный и зависит от ситуации).

Нюансы:

Страница «Смотреть всё» должна довольно быстро загружаться , желательно в пределах 1-3 секунды. Поэтому, такой способ идеально подходит для категории у которых кол-во страниц с пагинацией от 5 до 20 и не подходит для каталогов у которых сотни страниц пагинации.

Плюсы:

• приоритетный метод для Google
• все содержимое пагинации будет в индексе поисковой страницы через страницу «Смотреть всё»

Минусы:

• не подходит если много страниц или много качественных картинок для товаров/статей.
• довольно сложная реализация на большинстве стандартных CMS.

Вариант 3. Rel=“prev”/“next”

Наш последний вариант для решения проблемы с пагинацией может быть самым сложным, но это, пожалуй, самый универсальный метод для Google (Яндекс на данный момент не учитывает данные директивы). Поскольку реализация довольно сложная, то вы должны быть очень осторожны при применении этого метода. Давайте посмотрим, как это работает.

Например, вы имеете 4 странице в каталоге:

Используя rel=»prev»/»next» вы, по сути создаете цепочку между всеми страницами в данном каталоге. Данная цепочка начинается с первой страницы : для этого вы добавляете в секцию :

Для первой страницы это единственный атрибут. Для второй страницы необходимо указать как предыдущую страницу, так и следующую:

Для третьей страницы делаем аналогично второй

Когда же мы находимся на последней четвертой странице, то должны указать только предыдущую страницу в цепочке:

.

Используя данные атрибуты rel=»prev»/»next», Google объединяет данные страницы в единый элемент в индексе. Как правило для пользователей, это будет первая страница, так как обычно она является наиболее релевантная страница.

Нюансы:

• rel=»prev» и rel=»next» являются для Google вспомогательными атрибутами, а не директивами.
• в качестве значений могут использоваться как относительные, так и абсолютные URL (в соответствии с допустимыми значениями тега
• если указать в документе ссылку , относительные пути будут определяться на основе базового URL
• если Google обнаружит ошибки в вашей разметке (например, если отсутствует ожидаемое значение атрибута rel=»prev» или rel=»next»), дальнейшее индексирование страниц и распознавание содержания будет выполняться на основе собственного эвристического алгоритма Google.
• следует проверить чтобы при не дублировался URL первой страницы

Плюсы:

• позволяет решить проблему пагинации без использования «Смотреть всё»
• реализация происходит лишь с незначительными изменениями в HTML

Минусы:

• данные атрибуты не учитываются Яндексом
• реализация может быть довольно сложной
• очень внимательно нужно проставлять связи в цепочке страниц

Вариант 4. AJAX и Javascript прокрутка

Вы вероятно, столкнулся с бесконечными прокруткой товаров на сайтах электронной коммерции, на которых товары постоянно загружаются при прокрутке к нижней части экрана. Хотя это и хорошая возможность улучшить юзабилити, этот метод также необходимо использовать правильно. Желательно, чтобы товары не автоматически загружались при прокрутке, а внизу, под последними товарами, была кнопка «Показать еще N товаров». Хорошую реализацию данного метода вы можете посмотреть на сайте wikimart.ru побродив по конечным веткам каталога.

Правильное использование параметров

В некоторых случаях когда вы используете атрибуты rel=»prev»/»next», то страницы с пагинацией могут содержат параметры, которые не изменяют контент:

• сесионные переменные,
• сортировки,
• изменение кол-ва элементов на страницу.

В таком случае мы получаем дубли контента. Решением такой проблемы может быть использование сочетания rel=»prev»/»next» и rel=”canonical”.

Для этого, во-первых, вы должны убедиться, что все страницы пагинации с rel=»prev»/»next» используют тот же параметр. Во-вторых, для каждого URL с параметром необходимо прописать его каноническую страницу без этого параметра. Например, у нас есть те же самые 4 страницы пагинации и мы для отслеживания пользователей используем идентификатор сессии sessionid=55:

Правильное использование фильтров и rel=“prev”/“next”

Теперь, рассмотрим пример, когда мы используем параметры, по которым мы можем/хотим выдать уникальное содержании и нам важно держать такие отфильтрованные страницы в индексе. Например, у нас есть категория с кроссовками и мы хотим создать посадочные страницы для поисковой выдачи с разными брендами, использую при этом параметры в URL.