Перекрестная Таблица: Определение и Применение
Один из наиболее часто используемых инструментов анализа данных – перекрестная табуляция. Что это такое и как ее можно использовать?
Определение
Перекрестная таблица, также известная как таблица сопряженности или кросс-табуляция, используется для анализа категориальных данных. Этот инструмент позволяет проводить анализ пересечения двух или более переменных.
Применение
Перекрестные таблицы широко применяются в различных областях, таких как медицина, маркетинг, социология и многие другие. Они могут быть использованы для выявления связей между различными переменными и позволяют делать выводы на основе полученных данных.
Аэрофотограмметрия и Геометрический CF
Для более надежных операций необходима более частая съемка. Аэрофотограмметрия по стереоизображениям обеспечивает топографическое моделирование с высоким пространственным разрешением. Однако для обработки данных требуется специальное оборудование и знания.
- Ни один исследователь не вывел геометрический CF для случаев с более чем двумя изображениями;
- Обычные программы для фотограмметрии не предоставляют информацию о камере, использованной для оценки координат точек.
Перекрестные Проверки в Медицинских Организациях
Перекрестные проверки аудита в медицинских организациях помогают контролировать качество и эффективность аудиторских проверок. Они могут использоваться для подтверждения соблюдения стандартов и выявления ошибок.
В завершение комиссия из пяти человек посетила Шаранскую ЦРБ с целью обеспечения организационно-методической помощи по ОСД. В составе комиссии были представители различных медицинских учреждений.
Перекрестные таблицы и анализ данных являются важными инструментами в современном мире. Понимание и использование перекрестных таблиц позволяет принимать обоснованные решения на основе данных.
Перекрестная таблица и ее преимущества
По окончанию аудита комиссия составила акт проверки с рекомендациями по устранению выявленных недочетов. Перекрестные проверки помогают повысить качество проведения аудиторских проверок, обеспечить соответствие действий медицинской организации стандартам и требованиям, а также выявить потенциальные риски и улучшить систему управления качеством.
Материал предоставлен Гасановой М.Н.
Что такое кросс-табуляция?
Кросс-табуляция (перекрестная таблица) — это полезный инструмент анализа, обычно используемый для сравнения результатов по одной или нескольким переменным с результатами по другой переменной. Здесь применяется номинальная шкала данных, на которой переменные названы или обозначены без определенного порядка.
Перекрестные таблицы — это, по сути, таблицы данных, которые представляют результаты по всей группе респондентов опроса, а также по подгруппам. Они позволяют изучить взаимосвязи в данных, которые могут быть неочевидными, если просто просмотреть все ответы на вопросы в опросе.
Преимущества кросс-табуляции
Анализ больших наборов данных может оказаться трудной задачей. Делать релевантные, практически применимые аналитические выводы из больших объемов данных еще сложнее. Перекрестные таблицы упрощают данные и разбивают их на подгруппы для удобства интерпретации — они показывают проценты и частоты, которые могут меняться при сравнении с переменными в других категориях. Улучшение управляемости наборов данных в большом масштабе приводит к уменьшению количества ошибок.
Более детализированные данные
С помощью перекрестных таблиц можно изучать отношения между одной или несколькими переменными, что позволяет делать выводы о них на более детальном уровне. Без перекрестных таблиц такие выводы могут остаться незамеченными, затеряться в море данных или потребовать дополнительных усилий для своего раскрытия. Используя несколько фильтров, вы можете еще глубже погрузиться в данные и обнаружить еще больше подробностей.
Практически применимые выводы
Использование перекрестных таблиц упрощает наборы данных, чтобы их можно было быстро сравнивать между собой. Это позволяет быстрее делать выводы для создания новых маркетинговых стратегий на основе данных. Также можно проследить глобальные тенденции в ответах на опросы и принять соответствующие меры.
Ясность интерпретации
При использовании перекрестных таблиц наборы данных упрощаются и делятся на подгруппы. Получаемые в результате чистые данные имеют более удобный для восприятия формат, их легко просматривать и использовать профессиональным исследователям и сотрудникам, не имеющим опыта в аналитике.
Аэрофотограмметрия для съемки рельефа дна мелководий
Аэрофотограмметрия является эффективным методом съемки рельефа дна мелководий с высоким разрешением благодаря использованию беспилотных летательных аппаратов (БПЛА) и автоматической обработке изображений с помощью SfM-MVS.
Проблема систематического завышения высотных отметок
Однако этот метод страдает от систематического завышения высотных отметок дна из-за преломления света на границе раздела воздух – вода.
Коррекция эффекта рефракции
В данной статье рассматривается эмпирический метод коррекции эффекта рефракции после обычной обработки с использованием процедуры SfM-MVS с использованием обычного программного обеспечения.
Результаты и сравнения методов
Применение нового метода к двум участкам реки показало, что он более эффективен, чем два существующих. Сравнение с оставшимся существующим методом также демонстрирует преимущества нового подхода.
Факторы влияния на эффективность метода
Эффективность метода зависит от различных факторов, включая местоположение, условия измерений и прочие. Наиболее эффективный метод может быть выбран с использованием статистических средств.
Заключение
Этот новый метод коррекции эффекта рефракции в аэрофотограмметрии представляет собой значимое достижение и может улучшить качество съемки рельефа дна мелководий.
Аудиоверсия статьи
Частные заказчики или госорганы могут инициировать бухгалтерскую экспертизу, чтобы разрешить финансовые конфликты и предоставить доказательства в суд, или оценить реальное положение дел в компании, например, при оформлении крупной сделки. В статье подробно рассказываем в каких случаях экспертиза назначается в обязательном порядке, а когда может быть добровольной, кто может ее провести, и какие вопросы с ее помощью можно решить бизнесу.
- Бухгалтерские отчеты
- Налоговые декларации
- Внутренние документы (ведомости, акты, приказы)
Эксперт анализирует правильность заполнения документов, обнаруживает возможные злоупотребления или нарушения со стороны ответственных лиц.
Любой ли бухгалтер может провести экспертизу
Не любой бухгалтер может провести профессиональную бухгалтерскую экспертизу. Для этого требуется наличие специализированного образования и опыта работы в сфере бухгалтерского учета. Эксперты-бухгалтеры обычно имеют сертификаты и лицензии, подтверждающие их квалификацию.
Из каких этапов состоит бухгалтерская экспертиза
Бухгалтерская экспертиза обычно состоит из следующих этапов:
- Сбор и анализ бухгалтерской документации
- Проверка правильности заполнения документов
- Обнаружение возможных нарушений или злоупотреблений
- Подготовка экспертного заключения
Что помогает установить бухгалтерская экспертиза
Бухгалтерская экспертиза помогает установить факты, связанные с финансовой деятельностью компании. Она может пролить свет на ситуацию, возникшую в результате финансовых споров или недоразумений. Экспертное заключение может быть использовано в судебных процессах или при взаимодействии с налоговыми органами.
Краткие итоги
Бухгалтерская экспертиза является важным инструментом для разрешения финансовых споров и установления фактов, связанных с бухгалтерским учетом и налогообложением. Это сложный процесс, требующий профессиональных навыков и опыта. В случае необходимости проведения бухгалтерской экспертизы, важно обратиться к квалифицированным специалистам с соответствующей лицензией и опытом работы в данной области.
Информация по запросу эксперта может быть представлена в бумажном или электронном виде. В этом случае электронные документы должны быть подписаны ЭЦП. Кроме того к ним предъявляются особые требования Приказами № 151 и 152.
Любой ли бухгалтер может провести экспертизу
Провести судебную бухгалтерскую экспертизу может специалист, состоящий в штате Министерства юстиции или эксперт вне штата Минюста, привлеченный по вызову суда. Как правило, это сотрудники аудиторских организаций или независимые аудиторы.
Для внесудебной бухгалтерской экспертизы ИП, участники компании или контрагенты также могут привлекать сотрудников экспертных фирм или частных специалистов на основании договора подряда.
Чтобы заключение эксперта имело доказательную силу, к его квалификации предъявляются следующие требования.
Из каких этапов состоит бухгалтерская экспертиза
Если экспертизу проводят участники юрлица или сам ИП специалист также может дать рекомендации по восстановлению учета или исправлению ошибок, если они обнаружены.
Экспертная компания или специалист могут страховать свою ответственность. В этом случае, если суд признал заключение недопустимым доказательством, заказчику может быть возмещается материальный ущерб. Но это не обязательно, все зависит от условий договора с экспертом.
Что помогает установить бухгалтерская экспертиза
В зависимости от целей проведения, с помощью бухгалтерской экспертизы можно установить:
Повышайте лояльность клиентов
Заслужите доверие покупателей, проявляя заинтересованность в них самих: отвечайте незамедлительно и персонализируйте контент сообщений под интересы человека.
CRM
Анализируйте взаимодействие с клиентом на каждом этапе пути покупателя и отправляйте последующие сообщения в зависимости от действий и предпочтений клиента.
Чат-боты
Качественный сервис — это прежде всего своевременное обслуживание. Используйте чат-боты в мессенджерах, чтобы клиент мог получить немедленный ответ, даже в нерабочее время.
Сегментация
Сегментируйте получателей, чтобы доставлять сообщения нужной аудитории с релевантным контентом в подходящий момент пути покупателя.
Конвертируйте пользователей в клиентов
Все необходимые инструменты для сбора лидов и разработки пути потребителя — от поиска информации и оценки вариантов до покупки.
Создавайте лендинги и шаблоны быстро и удобно
Используйте конструктор писем и лендингов, а также готовые шаблоны, чтобы создавать эффективные рассылки и лендинги буквально за несколько минут.
FAQ
Это набор инструментов для коммуникации с аудиторией. В SendPulse вы можете создавать автоматические email рассылки, чат-боты, SMS рассылки и web push уведомления — все, что нужно для автоматизации маркетинга. Читайте подробнее об автоматизации маркетинга в нашем глоссарии.
Как начать автоматизировать маркетинг?
Определитесь с целями, которые планируете достичь с помощью автоматизации маркетинга. Затем выберите подходящие каналы продаж и осваивайте их один за другим. Ознакомьтесь со всеми возможностями, которые SendPulse предоставляет для автоматизации маркетинга.
Сколько стоит автоматизация маркетинга?
Стоимость зависит от выбора инструментов и количества подписчиков в вашей базе. Посмотрите страницу цен, чтобы выбрать подходящий тариф.
Совершенствуйте процессы отдела продаж и маркетинга
Развивайте бизнес и увеличивайте продажи, используя email маркетинг, чат-боты и бесплатную СRM
Когда надо использовать кросс-табуляцию
Кросс-табуляция обычно применяется, когда у вас есть информация, которую можно разделить на взаимоисключающие группы, также называемые категориальными переменными. Она позволяет исследовать взаимосвязи в данных, которые могут быть неочевидными. Отчет перекрестной таблицы может показать связь между двумя или несколькими вопросами в маркетинговом исследовании.
Кто использует кросс-табуляцию?
Перекрестные таблицы используются в различных отраслях и профессиях. Примеры подразделений, в которых анализ перекрестных таблиц может оказаться полезным:
Отделы кадров могут с помощью кросс-табуляции изучать результаты опросов сотрудников о культуре компании, руководстве, мотивации и вовлеченности персонала и т. д. Использование перекрестных таблиц помогает выявить подразделения, у которых есть особые проблемы или потребности, и принять меры.
Команды маркетинговых исследований могут с помощью перекрестных таблиц делать из необработанных данных более удобные для принятия управленческих решений.
Службы поддержки клиентов могут использовать перекрестные таблицы для оценки уровня удовлетворенности старых и новых клиентов.
Администрации школ могут сопоставлять данные оценки преподавателей, полученные от учеников, с темами уроков, временем занятий и другими данными, чтобы способствовать улучшению условий обучения.
Перекрестные таблицы проливают свет на ваши данные
Когда вам нужно копнуть глубже и выявить данные на более детальном уровне, лучше всего использовать перекрестные таблицы и фильтры. Экономьте время, раскрывайте подробные сведения и получайте больше от своих данных с помощью SurveyMonkey и перекрестных таблиц. Посетите наш раздел справки и узнайте, как создать отчет перекрестной таблицы самостоятельно.
Еще больше ресурсов
Уровень удовлетворенности сотрудников. Ниже приведен пример кросс-табуляции от SurveyMonkey на основе данных опроса об удовлетворенности сотрудников. В опросе сотрудникам задавались следующие вопросы с множественными вариантами ответа:
Вопросы, определяющие группы, находятся в колонках, а вопросы, используемые для сравнения групп, — в строках. Это типичный формат отчета перекрестной таблицы.
Из этой перекрестной таблицы видно, что существует связь между сотрудниками, которые проработали в компании дольше, и уровнем их удовлетворенности. Выявив эту связь, вы можете исследовать ее дальше, чтобы выяснить ее коренную причину. Исходя из данных, которые у вас есть, нельзя однозначно сказать, что одна переменная влияет на другую. Иначе говоря, данные выявляют корреляцию между более длительной занятостью и удовлетворенностью сотрудников, но это не означает причинно-следственную связь.
Совет. Будьте внимательны при анализе данных, чтобы не принять корреляцию за причинно-следственную связь.
Покупательское намерение. В этом примере вы хотите узнать, респонденты какого пола с большей вероятностью приобретут ваш продукт.
Здесь данные, определяющие группы, также отображаются в колонках (мужчины и женщины). А вопрос для сравнения находится в строках («Вы бы купили мои кошачьи духи?»).
Если бы вы рассматривали только общие результаты, не используя перекрестные таблицы, вы бы обнаружили, что 54% респондентов сообщили о своей заинтересованности в приобретении вашего продукта. У вас не было бы четкого представления о зависимости покупательского намерения от пола, что, несомненно, повлияло бы на персонализацию ваших маркетинговых действий.
С помощью кросс-табуляции вы обнаружили, что 45% всех респондентов заявили, что обязательно приобретут ваш продукт, и что 66% из них — женщины. Эту информацию можно использовать для чего угодно — от названия продукта до упаковки и маркетинговых посланий.
Примеры выводов из отчетов перекрестных таблиц
Благодаря перекрестным таблицам можно сделать множество выводов. Вот лишь несколько примеров вопросов, на которые можно ответить с помощью отчетов перекрестных таблиц.
Как различается уровень удовлетворенности у новых клиентов и клиентов, которые покупали у вас ранее?
Какая связь между уровнем удовлетворенности клиентов и тем, будут ли они рекомендовать наш продукт?
Будут ли ваши самые довольные клиенты оставлять положительные отзывы в каналах социальных сетей?
На что в основном жалуются клиенты, не удовлетворенные вашим продуктом?
Как сотрудники разных отделов относятся к нашей компании?
Есть ли связь между расположением офиса и уровнем удовлетворенности?
Есть ли разница между мужчинами и женщинами в намерении приобрести мой продукт?
Имеет ли возраст значение для узнаваемости нашего бренда?
Как студенты определенных программ обучения относятся к доступности ресурсов для студентов?
Есть ли связь между конкретной программой обучения и удовлетворенностью студентов?
Терминология перекрестных таблиц
Вот некоторые термины, которые могут использоваться, когда речь идет о перекрестных таблицах:
МЕТОД ИССЛЕДОВАНИЙ
В данной работе были исследованы два участка (1 и 2) в пределах главной части реки Саба в японской префектуре Ямагути. Первый располагался примерно в 8,5 км от устья этой реки, а второй – примерно в 1,7 км выше по течению от первого (рис. 1).
Получение и выбор изображений
Аэрофотоснимки были получены с помощью цифровой камеры 4K, прикрепленной к небольшому легкому (1,28 кг) квадрокоптеру DJI Phantom 3 Professional. Этот БПЛА летел на высоте 25–30 м над поверхностью земли, чтобы получить изображения обоих участков с пространственным разрешением примерно 1 см. Каждое полученное изображение охватывало площадь около 64 м x 48 м. Снимки делались с большими перекрытиями (более 80%), чтобы обеспечить последующий подбор изображений во время обработки SfM (с определением структуры объекта по отображению движения). Общее количество изображений, собранных на участках 1 и 2, составило 240 и 424 соответственно. Во время каждой полевой съемки положение камеры устанавливалось практически «в надир» (вертикально вниз, то есть велась плановая аэрофотосъемка), чтобы уменьшить нежелательные эффекты отражений от поверхности воды на полученных изображениях. В конце все изображения были проверены и было удалено несколько снимков с эффектами «размытия».
Измерения методом RTK-GPS
Были выполнены измерения с помощью глобальной навигационной спутниковой системы (GPS) в режиме реального времени (RTK) для точек как на открытой, так и на затопленной поверхности грунта (см. рис. 1). Точки на открытой поверхности были разного рода наземными ориентирами, узнаваемыми на аэрофотоснимках, – опознаками (метками), которые были установлены заранее. Они были распределены таким образом, чтобы как можно лучше охватить весь изучаемый участок (например, на участке 1 – на обоих берегах реки и на мосту). Некоторые из опознаков использовались в качестве наземных контрольных точек (НКТ) с известными пространственными координатами для использования при обработке данных с помощью процедуры SfM-MVS, а некоторые – для валидации самого метода SfM-MVS.
Подводные точки были двух типов:
10 черно-белых меток (марок), которые использовались только на участке 2;
точки, распределенные так, чтобы охватить различные глубины и типы дна реки.
Создание карты кажущихся высотных отметок дна реки с помощью процедуры SfM-MVS
Авторами были созданы карты кажущихся высотных отметок дна реки для участков 1 и 2 с помощью коммерческого программного обеспечения Agisoft PhotoScan Professional version 1.2.6. Сначала выполнялась автоматическая обработка изображений с определением структуры объекта по отображению движения (SfM) для оценки внешних и внутренних параметров камеры, а также координат для разреженных облаков точек. Наземные контрольные точки (НКТ) использовались для задания внешней системы координат и настройки некоторых внутренних параметров камеры. Затем для получения плотных облаков точек было выполнено получение многовидовых (стерео) изображений (MVS). И наконец, были созданы ортофотопланы и цифровые модели местности для обоих участков, причем их затопленные зоны были «извлечены вручную» для дальнейшего анализа.
Пространственная интерполяция высотных отметок поверхности воды
Авторы построили модель расчетных высотных отметок поверхности воды (ВПВ), используя разные методы для участков 1 и 2.
На первом участке модель ВПВ была создана путем извлечения точек уреза воды из ортофотоплана и цифровой модели местности. Были выделены соответствующие точки там, где урез воды был четко виден на ортофотоплане. На этой основе была выполнена интерполяция методом тренда для построения двумерной модели предполагаемых высотных отметок поверхности воды.
На втором участке, где урез воды не мог быть точно определен визуально по ортофотоплану (из-за нависающей растительности), была использована обычная методика измерений высотных отметок точек на урезе воды in situ (например, методом RTK-GPS). А затем был применен метод линейной интерполяции для построения одномерной модели предполагаемых высотных отметок поверхности воды вдоль русла реки.
Распределение точек вдоль уреза воды с определенными высотными отметками на обоих участках показано на рисунке 1.
Применение эмпирической поправки на рефракцию
Было испробовано четыре метода коррекции на рефракцию, чтобы сравнить их эффективность.
Метод 1 фактически соответствует случаю без коррекции: кажущаяся высотная отметка, оцененная с помощью процедуры SfM-MVS, рассматривается как отметка с поправкой на рефракцию.
Методы 2 и 4 – это существующие методы, а метод 3 был предложен авторами настоящей статьи. В этих методах поправка на рефракцию основывается на следующей формуле:
p – коэффициент усиления рефракции (поправочный коэффициент, CF), hRhA – реальная и кажущаяся глубина воды соответственно. Они оцениваются следующим образом:
Формула (4) дает возможность получить поправку на рефракцию (преломление) на поверхности воды с использованием четырех вышеуказанных методов. Рассмотрим их подробнее.
1. При методе 1 в формуле (4) используются значения pβ=0 (то есть нет коррекции).
3. При эмпирическом методе 3, предложенном авторами настоящей статьи, оценивается только величина pβ
Расчеты высотных отметок дна с коррекцией на рефракцию
Оценка ошибок и сравнение результатов
Авторы сравнили среднеквадратические и средние ошибки для скорректированных высотных отметок дна с использованием четырех указанных ранее методов для обоих исследованных участков. Чтобы оценить эти ошибки для методов 3 и 4, была проведена перекрестная проверка (валидация), которая состояла из 1000 пробных (тестовых) калибровок/прогнозов. При каждом таком виртуальном испытании подводные точки с имеющимися результатами GPS-измерений были случайным образом разделены на обучающие и тестовые данные. Формула коррекции была откалибрована для pβ (в соответствии с методом 4) с применением обучающих данных, а затем использована для прогнозирования реальной глубины воды hR по тестовым данным. Среднеквадратические ошибки погрешностей прогнозирования для 1000 указанных виртуальных испытаний оценивались для каждого из четырех методов для каждого из исследованных участков. Поскольку использование результатов многих GPS-измерений для подводных точек в целях калибровки в практических приложениях нежелательно, авторы выполнили перекрестную проверку для различных количеств обучающих данных.
ПОЛУЧЕННЫЕ РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ
Пригодность процедуры SfM-MVS для незатопленных зон
На рисунке 2 (а) в качестве примера показана карта кажущихся высотных отметок, созданная с помощью обычной процедуры SfM-MVS для участка 1. В таблице 1 приведены среднеквадратические ошибки для координат xyz точек, не использовавшихся в качестве наземных контрольных точек (НКТ) и оцененных путем GPS-измерений (см. рис. 1). Для незатопленных зон среднеквадратические ошибки (СКО) по каждой оси составляли в среднем около 0,03 м для обоих исследованных участков и были того же порядка, что и общая ошибка измерений методом RTK-GPS, что продемонстрировало успех использования процедуры SfM-MVS для сухих зон.
Необходимость коррекции на рефракцию
В таблице 1 также приведены СКО для кажущихся высотных отметок дна реки, полученные с помощью процедуры SfM-MVS для 10 подводных черно-белых меток (марок) на участке 2. Можно заметить, что СКО для горизонтальных направлений (осей X и Y) увеличились всего в 1,6 раза. С другой стороны, в вертикальном направлении (по оси Z) среднеквадратические ошибки увеличились более чем в 3,4 раза. Это говорит о том, что эффект преломления увеличивает ошибки в основном для вертикальной координаты (по оси Z), и указывает на важность коррекции для координаты z, что и является темой настоящей статьи.
Статистика ошибок для четырех методов коррекции
На рисунке 2 (б) представлена карта рельефа дна реки для участка 1, скорректированная с помощью метода 3. На рисунке 3 показаны среднеквадратические и средние ошибки, оцененные для обоих исследованных участков для каждого из четырех указанных выше методов с помощью описанной ранее перекрестной проверки (валидации) для методов 3 и 4.
Рисунок 3 доказывает, что в целом метод 1 привел к наибольшим среднеквадратическим и средним ошибкам (за исключением случая, когда при методе 4 была выполнена калибровка только с использованием двух обучающих данных) из-за систематического завышения результатов (что отразилось на большой положительной средней ошибке), вызванного пренебрежением влияния преломления. Этот результат доказывает необходимость коррекции на рефракцию.
Простая коррекция на рефракцию с использованием метода 2 привела к среднеквадратическим и средним ошибкам, которые оказались примерно на 40% меньше, чем в случае метода 1, но все равно происходило значительное систематическое завышение результатов (что также отразилось на большой положительной средней ошибке). Это продемонстрировало наличие геометрического факта, описанного во введении, согласно которому значение поправочного коэффициента 1,34 является минимально возможным и недостаточным для реального применения.
Эффективность методов 3 и 4 оказалась выше, чем у методов 1 и 2, за исключением случаев, когда обучающих данных, использованных для калибровки, было очень мало. Для этих методов (3 и 4) среднеквадратическая и средняя ошибки увеличивались по мере уменьшения количества обучающих данных, причем увеличение было более значительным для метода 4. Это статистически оправданно: чем больше степеней свободы имеет регрессионная модель, тем более ошибконеустойчивы оценки коэффициента, поэтому для хорошей работы модель требует больше обучающих данных. В результате при использовании метода 4 с двумя степенями свободы в формуле коррекции получались чрезвычайно большие ошибки, когда количество обучающих данных было равно двум (это было минимально возможное их число). С другой стороны, метод 4 давал меньшие величины среднеквадратических и средних ошибок, чем метод 3 на участке 1, когда обучающих данных было три или более.
За исключением случая, когда обучающих данных было всего два, существующий метод 4 оказался более хорошим (с точки зрения среднеквадратических ошибок) для участка 1, а предложенный новый метод 3 – для участка 2, причем независимо от количества обучающих данных (см. рис. 3, а, б). Средние ошибки показали аналогичную тенденцию. Отсюда можно сделать вывод, что наибольшая эффективность того или иного метода по сравнению с другими зависит не только от количества обучающих данных, но и от многих других факторов. Поскольку методы 3 и 4 различаются только отсутствием или наличием поправки β (невязки, offset, см. формулы (4, 5)), наилучший метод зависит от истинной величины β. Поскольку значение β зависит от ошибок при оценке кажущихся высотных отметок поверхности воды и дна, самый эффективный метод может быть разным в зависимости от участка, условий получения изображений, условий измерений с помощью GPS и т. д.
Поскольку невозможно узнать истинное значение β, авторы считают правильным выбор наилучшего метода для каждой конкретной ситуации с использованием статистических средств. Одним из рекомендуемых путей выбора является применение способа исключений по одному при перекрестной проверке (leave-one-out cross validation), причем при каждой пробном виртуальном испытании используется только один элемент данных. Таким образом можно моделировать ошибки прогнозов при поочередном использовании для калибровки всех имеющихся результатов измерений, полученных с помощью GPS.
Нереалистично малый поправочный коэффициент для участка 1
Предложенный авторами метод 3 дал реалистичные значения поправочного коэффициента как для участка 1, так и для участка 2 (см. таблицу 2). А величина этого коэффициента, полученная с помощью метода 4, была нереально маленькой для участка 1. Это могло быть связано с большим шумом, внесшим вклад в значение кажущейся глубины воды hA, возникшим, вероятно, из-за того, что на участке 1 высотные отметки поверхности воды на ее урезе были считаны с ортофотоплана и, таким образом, содержали ошибки, вызванные нечеткостью линии уреза воды на изображениях, а также самой процедурой фотограмметрии.
Для проверки этой гипотезы был проведен еще один численный эксперимент, чтобы виртуально пронаблюдать влияние шума, внесшего вклад в значение кажущейся глубины воды hA, на оцененный поправочный коэффициент. В этом эксперименте к величине hA авторы добавили искусственный нормальный () шум с нулевым средним и различными среднеквадратичными отклонениями, оценили поправочный коэффициент и наблюдали, как он изменяется в ответ на разные уровни шума. Такие виртуальные тесты были сделаны по 1000 раз для каждого метода и для каждого участка с использованием одного и того же начального числа для генератора случайных чисел. Полученные результаты обобщены на рисунке 6.
Из рисунка 6 можно увидеть, что для метода 4 среднее значение оцененного поправочного коэффициента значительно уменьшается по мере увеличения уровня шума – и это подтверждает описанную выше гипотезу. Это означает, что метод 4 дает большую отрицательную погрешность для поправочного коэффициента при зашумлении кажущейся глубины воды hA. А для метода 3 это уменьшение поправочного коэффициента по мере увеличения уровня шума намного меньше, что свидетельствует о большей ошибкоустойчивости метода 3 к воздействию зашумления кажущейся глубины воды hA. Этот результат указывает на превосходство метода 3 с точки зрения геометрической достоверности оцененного поправочного коэффициента.
Набор инструментов для контроля процессов продаж и маркетинга
Стройте маркетинг и продажи на одной платформе
Полная картина бизнес-процессов: доступ к контактам, история сделок, групповая работа в системе. И все это в одном простом и понятном сервисе.
Обучайте онлайн и монетизируйте свои знания
Создавайте профессиональные онлайн-курсы в удобном блоковом конструкторе уроков, добавляйте тесты, домашние задания и выдавайте сертификаты.
Набирайте студентов через автоматически сгенерированный лендинг с возможностью принимать онлайн-оплаты и продвигайте свои курсы с помощью инструментов SendPulse.
Поставьте выполнение повторяющихся задач на автопилот
Экономьте время и ресурсы на рутинных задачах, используя инструменты автоматизации SendPulse.
Кросс-табуляция и тест хи-квадрат
Тест хи-квадрат используется для проверки данных в перекрестной таблице на статистическую значимость. Результаты считаются статистически значимыми, если две категориальные переменные являются независимыми (несвязанными). По сути, тест хи-квадрат — это корреляционный тест для категориальных переменных.
ЗАКЛЮЧЕНИЕ
В настоящей статье был представлен эмпирический метод коррекции эффекта рефракции после обычной обработки с помощью процедуры SfM-MVS с использованием обычного программного обеспечения. В этом случае кажущаяся глубина воды преобразуется в глубину воды с поправкой на рефракцию (в реальном масштабе) путем умножения первой на эмпирический поправочный коэффициент.
Авторы проверили эффективность предложенного метода, применив его для двух участков реки и сравнив среднеквадратические и средние ошибки для скорректированных высотных отметок дна с таковыми при использовании трех существующих методов. В целом, представленный метод превзошел по эффективности два существующих метода – метод 1 ( без коррекции) и метод 2 (с использованием поправочного коэффициента, равного показателю преломления воды 1,34).
Еще один существующий метод (метод 4 – метод линейной регрессии), в котором после умножения на поправочный коэффициент добавляется эмпирическая поправка (невязка, offset, см. формулы (4, 5)), был ошибконеустойчивым, если для калибровки было очень мало обучающих данных. За исключением таких случаев, метод 4 лучше работал для участка 1 и хуже – для участка 2 по сравнению с предложенным новым методом 3. Кроме того, было обнаружено, что метод 4 имеет большую отрицательную погрешность для поправочного коэффициента при защумлении оцененной кажущейся глубины воды.
Авторы пришли к выводу, что выбор наиболее точного метода коррекции с точки зрения высотных отметок дна мелководья зависит от многих факторов (например, от участка, условий получения изображения, условий измерений с помощью GPS) и должен делаться с использованием статистических инструментов, например путем исключений вариантов по одному при перекрестной проверке (leave-one-out cross validation).
Эта работа была поддержана грантом JSPS KAKENHI № JP16K21194.
Журнал остается бесплатным и продолжает развиваться. Нам очень нужна поддержка читателей.
Собирайте инсайты о своих клиентах и анализируйте результаты кампаний
Сделайте поиск инсайтов частью своей маркетинговой стратегии — они помогут выявить основные барьеры продаж и найти выгодные решения в работе с клиентами.
Отчеты и аналитика
Анализируйте результаты кампаний по наглядной статистике. Используйте данные, чтобы задать правильное направление ваших рассылок.
A/B тестирование
Определите, что нравится вашей аудитории, и исходя из этого, выстраивайте стратегию маркетинга и продаж.
Отслеживайте, какие источники сделок работают лучше и сколько из поступивших заявок завершилось продажей.
Используйте интеграции, чтобы внедрить функции SendPulse в свои проекты
Автоматизируйте передачу данных, отправляйте рассылки напрямую из своего проекта и отслеживайте статистику. Ознакомьтесь со списком CRM, СMS и eСommerce систем, которые можно интегрировать с SendPulse.
Более 40 интеграций Документация API
