DokumentationCustomer Journey AnalyticsHandbuch zu Customer Journey Analytics

Erweiterte Funktionen

Last update: Wed Oct 09 2024 00:00:00 GMT+0000 (Coordinated Universal Time)

Erstellt für:

  • Benutzende

Mit dem Generator für berechnete Metriken können Sie statistische und mathematische Funktionen anwenden. Dieser Artikel dokumentiert eine alphabetische Liste der erweiterten Funktionen und ihrer Definitionen.

Greifen Sie auf diese Funktionen zu, indem Sie im Komponentenbereich die Liste Alle anzeigen unter Effekt Funktionen auswählen. Scrollen Sie nach unten, um die Liste der erweiterten Funktionen anzuzeigen.

Vergleich zwischen Tabellenfunktionen und Zeilenfunktionen

Bei einer Tabellenfunktion ist die Ausgabe für jede Tabellenzeile gleich. Bei einer Zeilenfunktion ist die Ausgabe für jede Tabellenzeile unterschiedlich.

Gegebenenfalls wird eine Funktion mit dem Typ der Funktion kommentiert: [Tabelle]{class="badge neutral"}[Zeile ]{class="badge neutral"}

Was bedeutet der Parameter include-zeros?

Damit wird angegeben, ob Nullen in die Berechnung einbezogen werden sollen. Manchmal bedeutet Null nichts, aber manchmal ist es wichtig.

Wenn Sie beispielsweise eine Umsatzmetrik haben und dann eine Seitenansichtsmetrik zum Bericht hinzufügen, gibt es plötzlich mehr Zeilen für Ihren Umsatz, die alle null sind. Sie möchten wahrscheinlich nicht, dass sich diese zusätzliche Metrik auf MEAN, ZEILENMINIMUM, QUARTILE und mehr Berechnungen auswirkt, die Sie in der Umsatzspalte haben. In diesem Fall würden Sie den Parameter include-zeros überprüfen.

Ein alternatives Szenario besteht darin, dass Sie zwei Metriken von Interesse haben und eine Metrik einen höheren Durchschnitt oder ein höheres Minimum aufweist, da einige der Zeilen Nullen sind. In diesem Fall können Sie festlegen, dass der Parameter keine Nullen enthält.

Und

Effect AND(logical_test)

Verbindung. "ungleich null"wird als "wahr"betrachtet und "gleich null"wird als "falsch"betrachtet. Die Ausgabe ist entweder 0 (false) oder 1 (true).

Argument
Beschreibung
logical_test
Erfordert mindestens einen Parameter, kann jedoch eine beliebige Anzahl von Parametern annehmen. Jeder Wert oder Ausdruck, der als TRUE oder FALSE ausgewertet werden kann

Ungefähres Erfassen bestimmter

Effect APPROXIMATE COUNT DISTINCT(dimension)

Gibt die ungefähre Anzahl von Dimensionselementen für die ausgewählte Dimension zurück.

Argument
Beschreibung
Dimension
Die Dimension, für die Sie die ungefähre Anzahl unterschiedlicher Elemente berechnen möchten

Beispiel

Ein häufiges Nutzungsszenario für diese Funktion besteht darin, wenn Sie eine ungefähre Anzahl von Kunden erhalten möchten.

Arkuskosinus

Effekt ARC COSINE(metric)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Der Kosinus des gewünschten Winkels von -1 bis 1

Arkussinus

Effekt ARC SINE(metric)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Der Sinus des gewünschten Winkels von -1 bis 1

Arkustangens

Effect ARC TANGENT(metric)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Der Tangens des gewünschten Winkels von -1 bis 1

Cdf-T

Effekt CDF-T(metric, number)

Gibt die Wahrscheinlichkeit zurück, dass eine zufällige Variable mit Student-t-Verteilung mit n Freiheitsgraden einen z-Wert unter col aufweist.

Argument
Beschreibung
Metrik
Die Metrik, für die Sie die kumulative Verteilungsfunktion der studentischen t-Verteilung wünschen
number
Die Freiheitsgrade für die kumulative Verteilungsfunktion der studentischen t-Verteilung

Beispiel

CDF-T(-∞, n) = 0
CDF-T(∞, n) = 1
CDF-T(3, 5) ? 0.99865
CDF-T(-2, 7) ? 0.0227501
CDF-T(x, ∞) ? cdf_z(x)

Cdf-Z

Effekt CDF-Z(metric, number)

Gibt die Wahrscheinlichkeit zurück, mit der eine zufällige Variable mit einer normalen Verteilung einen z-Wert unter col aufweist.

Argument
Beschreibung
Metrik
Die Metrik, für die die kumulative Verteilungsfunktion der standardmäßigen Normalverteilung verwendet werden soll

Beispiele

CDF-Z(-∞) = 0
CDF-Z(∞) = 1
CDF-Z(0) = 0.5
CDF-Z(2) ? 0.97725
CDF-Z(-3) ? 0.0013499

Ceiling (Obergrenze)

Effect CEILING(metric)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Die Metrik, die gerundet werden soll

Konfidenz (untere Grenze)

Effekt CONFIDENCE(Normalisierungs-Container, Erfolgsmetrik, Kontrolle, Signifikanztreshold)

Berechnen Sie die beliebig zeitgültige Konfidenz lower mithilfe der WASKR-Methode, wie in Zeitgleichmäßige zentrale Grenztheorie und asymptotische Konfidenzsequenzen beschrieben.

Konfidenz ist ein probabilistischer Messwert dafür, wie viele Beweise dafür vorliegen, dass eine bestimmte Variante mit der Kontrollvariante identisch ist. Bei einer höheren Konfidenz deutet weniger darauf hin, dass die Annahme stimmt, dass die Kontroll- und Nicht-Kontrollvariante die gleiche Performance aufweisen.

Argument
Beschreibung
normalizing-container
Die Grundlage (Personen, Sitzungen oder Ereignisse), auf der ein Test ausgeführt wird.
Erfolgsmetrik
Die Kennzahl(en), die ein(e) Benutzende® verwendet, um Varianten zu vergleichen.
control
Die Variante, mit der alle anderen Varianten im Experiment verglichen werden. Geben Sie den Namen des Dimensionselements der Kontrollvariante ein.
Signifikanzschwellenwert
Der Schwellenwert in dieser Funktion ist auf den Standardwert 95 % eingestellt.

Konfidenz (obere Grenze)

Effekt CONFIDENCE(Normalisierungs-Container, Erfolgsmetrik, Kontrolle, Signifikanztreshold)

Berechnen Sie die zeitgültige Konfidenz upper mithilfe der WASKR-Methode, wie in der Zeitgleichmäßigen Theorie der mittleren Grenze und asymptotischen Konfidenzsequenzen beschrieben.

Konfidenz ist ein probabilistischer Messwert dafür, wie viele Beweise dafür vorliegen, dass eine bestimmte Variante mit der Kontrollvariante identisch ist. Bei einer höheren Konfidenz deutet weniger darauf hin, dass die Annahme stimmt, dass die Kontroll- und Nicht-Kontrollvariante die gleiche Performance aufweisen.

Argument
Beschreibung
normalizing-container
Die Grundlage (Personen, Sitzungen oder Ereignisse), auf der ein Test ausgeführt wird.
Erfolgsmetrik
Die Kennzahl(en), die ein(e) Benutzende® verwendet, um Varianten zu vergleichen.
control
Die Variante, mit der alle anderen Varianten im Experiment verglichen werden. Geben Sie den Namen des Dimensionselements der Kontrollvariante ein.
Signifikanzschwellenwert
Der Schwellenwert in dieser Funktion ist auf den Standardwert 95 % eingestellt.

Kosinus

Effekt COSINE(metric)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Der Winkel in Radianten, für den Sie den Kosinus benötigen

Kubikwurzel

Effect CUBE ROOT(metric)

Gibt die positive Kubikwurzel einer Zahl zurück. Die Kubikwurzel einer Zahl ist der Wert dieser Zahl hoch 1/3.

Argument
Beschreibung
Metrik
Die Metrik, für die Sie den Cube-Stamm berechnen möchten

Kumulativ

Effect CUMULATIVE(number, metric)

Gibt die Summe der n letzten Elemente der Spalte x zurück. Wenn n > 0, summieren Sie die letzten n Elemente oder x. Wenn n < 0 ist, werden die vorhergehenden Elemente summiert.

Argument
Beschreibung
number
Die letzte n Anzahl von Zeilen, für die die Summe zurückgegeben werden soll. Wenn N <= 0 ist, alle vorherigen Zeilen verwenden.
Metrik
Die Metrik, für die Sie die kumulierte Summe erhalten möchten.

Beispiele

Datum
Umsatz
KUMULATIVE(0, Umsatz)
KUMULATIVE(2, Umsatz)
Mai
500$
500$
500$
Juni
200$
700 $
700 $
Juli
400$
1100 $
600 $

Kumulativ (Durchschnitt)

Effekt KUMULATIVER DURCHSCHNITT(Zahl, Metrik)

Gibt den Durchschnitt der n letzten Elemente der Spalte x zurück. Wenn n > 0, summieren Sie die letzten n Elemente oder x. Wenn n < 0 ist, werden die vorhergehenden Elemente summiert.

Argument
Beschreibung
number
Die letzte n Anzahl von Zeilen, für die der Durchschnitt zurückgegeben werden soll. Wenn N <= 0 ist, alle vorherigen Zeilen verwenden.
Metrik
Die Metrik, für die Sie den kumulativen Durchschnitt ermitteln möchten.
NOTE
Diese Funktion funktioniert nicht mit Quotenmetriken wie Umsatz pro Person. Die Funktion berechnet den Durchschnittswert der Raten, anstatt den Umsatz über die letzten N und die Personen über die letzten N zusammenzufassen und sie dann zu teilen.
Verwenden Sie stattdessen CUMULATIVE(revenue) divide CUMULATIVE(person).

Gleich

Effect EQUAL()

Gleich. Die Ausgabe ist entweder 0 (false) oder 1 (true).

Argument
Beschreibung
metric_X
metric_Y

Beispiel

Metric 1 = Metric 2

Exponentielle Regression: Korrelationskoeffizient

Effect EXPONENTIAL REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie mit metric_Y korrelieren möchten
metric_Y
Eine Metrik, die Sie mit metric_X korrelieren möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Exponentielle Regression: Vorhersage für Y

Effect EXPONENTIAL REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der unabhängiger Datenstatus zugewiesen werden soll.
metric_Y
Eine Metrik, der abhängiger Datenstatus zugewiesen werden soll.
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Exponentielle Regression: Konstante

Effekt EXPONENTIALE REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Exponentielle Regression: Steigung

Effekt EXPONENTIALE REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Floor

Effekt FLOOR(metric_X, metric_Y, include_zeros)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Die Metrik, die gerundet werden soll.

Größer als

Effect GRÖSSER THAN()

Die Ausgabe ist entweder 0 (false) oder 1 (true).

Argument
Beschreibung
metric_X
metric_Y

Beispiel

Metric 1 > Metric 2

Größer gleich

Effect GRÖSSER ALS ODER GLEICH()

Größer oder gleich. Die Ausgabe ist entweder 0 (false) oder 1 (true).

Argument
Beschreibung
metric_X
metric_Y

Beispiel

Metric 1 >= Metric 2

Hyperbelkosinus

Effekt HYPERBOLIC COSINE(metric)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Der Winkel in Radianten, für den Sie den hyperbolischen Kosinus finden möchten

Hyperbelsinus

Effect HYPERBOLIC SINE(metric)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Der Winkel in Radianten, für den Sie den Hyperbelsinus finden möchten

Hyperbeltangens

Effect HYPERBOLIC TANGENT(metric)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Der Winkel in Radianten, für den Sie den hyperbolischen Tangens finden möchten

Wenn

Effect IF(logical_test, value_if_true, value_if_false)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
logical_test
Erforderlich. Jeder Wert oder Ausdruck, der als TRUE oder FALSE ausgewertet werden kann
value_if_true
Der Wert, der ausgegeben werden soll, wenn das Argument des Logiktests also TRUE ausgewertet wird. (Dieses Argument wird automatisch auf 0 gesetzt, wenn es nicht eingesetzt wurde.)
value_if_false
Der Wert, der ausgegeben werden soll, wenn das logical_test-Argument als FALSE ausgewertet wird. (Dieses Argument wird automatisch auf 0 gesetzt, wenn es nicht eingesetzt wurde.)

Kleiner als

Effect LESS than()

Die Ausgabe ist entweder 0 (false) oder 1 (true).

Argument
Beschreibung
metric_X
metric_Y

Beispiel

Metric 1 < Metric 2

Kleiner gleich

Effect WENIGER ALS ODER GLEICH()

Kleiner oder gleich. Die Ausgabe ist entweder 0 (false) oder 1 (true).

Argument
Beschreibung
metric_X
metric_Y

Beispiel

Metric 1 <= Metric 2

Lineare Regression: Korrelationskoeffizient

Effect LINEAR REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie mit metric_Y korrelieren möchten
metric_Y
Eine Metrik, die Sie mit metric_X korrelieren möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Lineare Regression: Konstante

Effekt LINEAR-REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Lineare Regression: Vorhersage für Y

Effect LINEAR REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Lineare Regression: Steigung

Effekt LINEAR-REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Logarithmus zur Basis 10

Effekt PROTOKOLLBASE 10(Metrik)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Die positive reale Zahl, für die der Logarithmus zur Basis 10 gewünscht ist

Logistische Regression: Korrelationskoeffizient

Effekt PROTOKOLLREGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie mit metric_Y korrelieren möchten
metric_Y
Eine Metrik, die Sie mit metric_X korrelieren möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Logistische Regression: Konstante

Effekt PROTOKOLLREGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Logistische Regression: Vorhersage für Y

Effekt PROTOKOLLREGRESSION: VORHERGESTELLT Y(metric_X, metric_Y, include_zeros)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Logistische Regression: Steigung

Effekt PROTOKOLLREGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Natürlicher Logarithmus

Effekt NATÜRLICHES PROTOKOLL(Metrik)

Gibt den natürlichen Logarithmus einer Zahl zurück. Natürliche Logarithmen basieren auf der Konstante e (2,71828182845904). LN ist die Umkehrung der Exponentialfunktion.

Argument
Beschreibung
Metrik
Die positive reale Zahl, für die Sie den natürlichen Logarithmus benötigen

Nicht

Effect NOT(logical)

Negation als boolescher Wert. Die Ausgabe ist entweder 0 (false) oder 1 (true).

Argument
Beschreibung
logisch
Erforderlich. Ein Wert oder Ausdruck, der als TRUE oder FALSE ausgewertet werden kann

Ungleich

Effect NOT EQUAL()

Nicht gleich. Die Ausgabe ist entweder 0 (false) oder 1 (true).

Argument
Beschreibung
metric_X
metric_Y

Beispiel

Metric 1 != Metric 2

Oder

Effect OR(logical_test)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
logical_test
Erfordert mindestens einen Parameter, kann jedoch eine beliebige Anzahl von Parametern annehmen. Jeder Wert oder Ausdruck, der als TRUE oder FALSE ausgewertet werden kann
NOTE
0 (null) bedeutet „Falsch“ und jeder andere Wert „Wahr“.

Pi

Effect PI()

Gibt Pi zurück: 3.14159…

Potenzregression: Korrelationskoeffizient

Effect POWER-REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie mit metric_Y korrelieren möchten
metric_Y
Eine Metrik, die Sie mit metric_X korrelieren möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Potenzregression: Konstante

Effect POWER-REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Potenzregression: Vorhersage für Y

Effect POWER-REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Potenzregression: Steigung

Effect POWER-REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Quadratische Regression: Korrelationskoeffizient

Effekt QUADRATISCHE REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie mit metric_Y korrelieren möchten
metric_Y
Eine Metrik, die Sie mit metric_X korrelieren möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Quadratische Regression: Konstante

Effekt QUADRATISCHE REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Quadratische Regression: Vorhersage für Y

Effect QUADRATIC REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Quadratische Regression: Steigung

Effekt QUADRATISCHE REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Reziproke Regression: Korrelationskoeffizient

Effect RECIPROCAL REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie mit metric_Y korrelieren möchten
metric_Y
Eine Metrik, die Sie mit metric_X korrelieren möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Reziproke Regression: Konstante

Effect RECIPROCAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Reziproke Regression: Vorhersage für Y

Effect RECIPROCAL REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Reziproke Regression: Steigung

Effect RECIPROCAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, die Sie als abhängige Daten festlegen möchten
metric_Y
Eine Metrik, die Sie als unabhängige Daten festlegen möchten
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Sinus

Effekt SINE(metric)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Der Winkel in Radianten, für den Sie den Sinus ermitteln möchten

t-Transformation

Effekt T-SCORE(metric, include_zeros)

Die Abweichung vom MEAN, geteilt durch die Standardabweichung. Alias für Z-Score.

Argument
Beschreibung
Metrik
Die Metrik, für die Sie die T-Punktzahl wünschen
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

t-Test

Effekt T-TEST(metric, grads, tails)

Führt einen m-seitigen t-Test mit einem t-Wert von x und n Freiheitsgraden durch.

Argument
Beschreibung
Metrik
Die Metrik, für die Sie einen T-Test durchführen möchten
degrees
Die Freiheitsgrade
Tails
Die Länge des für die T-Prüfung zu verwendenden Schwanzes

Details

Die Signatur lautet T-TEST (Metrik, Grad, Zahl). Darunter wird einfach m CrossSize75 CDF-T(-ABSOLUTE VALUE(tails), degrees) aufgerufen. Diese Funktion ähnelt der Funktion Z-TEST , die m CrossSize75 CDF-Z(-ABSOLUTE VALUE(tails)) ausführt.

  • m ist die Anzahl der Seiten.
  • n ist der Freiheitsgrad und sollte eine konstante Zahl für den gesamten Bericht sein, d. h. nicht auf Zeilenbasis geändert werden.
  • x ist die T-Test-Statistik. Hierbei handelt es sich häufig um eine Formel (z. B. Z-SCORE), die auf einer Metrik basiert und für jede Zeile ausgewertet wird.

Der Rückgabewert ist die Wahrscheinlichkeit, die Teststatistik x zu erhalten, bei gegebenen Freiheitsgraden und der Anzahl an Seiten.

Beispiele:

  1. Verwenden Sie die -Funktion, um Ausreißer zu finden:

    code language-none 
    T-TEST(Z-SCORE(bouncerate), ROW COUNT - 1, 2)

  2. Kombinieren Sie die Funktion mit IF , um sehr hohe oder niedrige Absprungraten zu ignorieren und Sitzungen für alle anderen zu zählen:

    code language-none 
    IF(T-TEST(Z-SCORE(bouncerate), ROW COUNT - 1, 2) < 0.01, 0, sessions )

Tangens

Effect TANGENT(metric)

Gibt den Tangens des angegebenen Winkels zurück. Wenn der Winkel in Grad vorliegt, multiplizieren Sie ihn mit PI( )/180.

Argument
Beschreibung
Metrik
Der Winkel in Radianten, für den Sie den Tangens wünschen

z-Transformation

Effekt Z-SCORE(metric, include_zeros)

[Zeile ]{class="badge neutral"}

Argument
Beschreibung
Metrik
Die Metrik, für die Sie die z-Punktzahl wünschen
include_zeros
Ob Nullwerte in die Berechnungen einbezogen werden sollen

Ein z-Wert von 0 (null) bedeutet, dass der Wert mit dem arithmetischen Mittel übereinstimmt. Eine z-Transformation kann positiv oder negativ sein, abhängig davon, ob sie über oder unter dem arithmetischen Mittel liegt und um wie viele Standardabweichungen es sich handelt.

Die Gleichung für z-Transformation lautet:

Wobei x der Rohwert ist, μ das arithmetische Mittel der Population und σ die Standardabweichung der Population.

NOTE
μ (Mu) und σ (Sigma) werden automatisch aus der Metrik berechnet.

z-Test

Effekt Z-TEST(metric_tails)

Führt einen n-seitigen z-Test mit einem z-Wert von x durch.

Argument
Beschreibung
Metrik
Die Metrik, für die Sie einen Z-Test durchführen möchten
Tails
Die Länge des Schwanzes, der für die Durchführung des Z-Tests verwendet werden soll
NOTE
Dabei wird von einer Normalverteilung der Werte ausgegangen.
recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79