DokumentationCustomer Journey AnalyticsHandbuch zu Customer Journey Analytics

Erweiterte Funktionen

Last update: Sun Jul 06 2025 00:00:00 GMT+0000 (Coordinated Universal Time)

Erstellt für:

  • Benutzende

Mit dem Generator für berechnete Metriken können Sie statistische und mathematische Funktionen anwenden. In diesem Artikel werden die erweiterten Funktionen und ihre Definitionen alphabetisch aufgelistet.

Sie können auf diese Funktionen zugreifen, indem Sie die Option Alle anzeigen unter der Liste Effekt Funktionen im Panel „Komponenten“ 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 einer Funktion eine Anmerkung mit dem Typ der Funktion hinzugefügt: [Tabelle]{class="badge neutral"} oder [Zeile]{class="badge neutral"}.

Was bedeutet der Parameter „include-zeros“?

Damit wird angegeben, ob Nullen in die Berechnung einbezogen werden sollen. In manchen Fällen bedeutet eine Null  nichts, in anderen Fällen kann sie aber auch wichtig sein.

Beispiel: Wenn Sie mit einer Umsatzmetrik arbeiten und dem Bericht dann eine Seitenansichtsmetrik hinzufügen, gibt es plötzlich mehr Zeilen für den Umsatz, die alle Nullwerte enthalten. Sie möchten wahrscheinlich nicht, dass sich diese zusätzliche Metrik auf Berechnungen wie ARITHMETISCHES MITTEL, ZEILENMINIMUM, QUARTIL usw. auswirkt, die sich in der Umsatzspalte befinden. In diesem Fall müssen Sie den Parameter include-zeros aktivieren.

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 nicht auf Nullen überprüft werden soll.

Und and

Effekt AND(logical_test)

Verbindung. „Ungleich null“ gilt als „True“ und „Gleich null“ gilt als „False“. Die Ausgabe ist entweder 0 (False) oder 1 (True).

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

Ungefähre Zählung Verschiedener approximate_count_distinct

Effekt APPROXIMATE COUNT DISTINCT(dimension)

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

Argument
Beschreibung
Dimension
Die Dimension, für die die ungefähre Anzahl verschiedener Elemente ermittelt werden soll

Beispiel

Ein gängiger Anwendungsfall für diese Funktion ist, wenn Sie eine ungefähre Anzahl von Kundinnen und Kunden erhalten möchten.

Arcuscosinus arc-cosine

Effekt ARC COSINE(metric)

[Zeile]{class="badge neutral"} Gibt den Arkuscosinus (die Umkehrung des Cosinus) einer Metrik zurück. Der Arcuscosinus ist der Winkel, dessen Cosinus eine gegebene Zahl ist. Der zurückgegebene Winkel wird in Radiant im Bereich von 0 (Null) bis pi angegeben. Wenn Sie das Ergebnis von Radianten in Grad umrechnen möchten, multiplizieren Sie es mit 180/PI().

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

Arcussinus arc-sine

Effekt ARC SINE(metric)

[Zeile ​]{class="badge neutral"} Gibt den Arkussinus (die Umkehrung des Sinus) einer Zahl zurück. Der Arcussinus ist der Winkel, dessen Sinus eine gegebene Zahl ist. Der zurückgegebene Winkel wird in Radiant im Bereich -pi/2 bis pi/2 angegeben. Um den Arkussinus in Grad auszudrücken, multiplizieren Sie das Ergebnis mit 180/PI().

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

Arkustangens arc-tangent

Effekt ARC TANGENT(metric)

[Zeile]{class="badge neutral"} Gibt den Arkustangens (die Umkehrung des Tangens) einer Zahl zurück. Der Arkustangens ist der Winkel, dessen Tangens eine gegebene Zahl ist. Der zurückgegebene Winkel wird in Radiant im Bereich -pi/2 bis pi/2 angegeben. Um den Arkustangens in Grad auszudrücken, multiplizieren Sie das Ergebnis mit 180/PI().

Argument
Beschreibung
metric
Die Tangente des gewünschten Winkels von -1 bis 1

Cdf-T cdf-t

Effekt CDF-T(metric, number)

Gibt die Wahrscheinlichkeit dafür zurück, dass eine Zufallsvariable mit studentscher t-Verteilung mit n Freiheitsgraden einen z-Wert hat, der unter dem Spaltenwert liegt.

Argument
Beschreibung
metric
Die Metrik, für die die kumulative Verteilungsfunktion der studentischen t-Verteilung angezeigt werden soll
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 cdf-z

Effekt CDF-Z(metric, number)

Gibt die Wahrscheinlichkeit dafür zurück, dass eine Zufallsvariable mit einer normalen Verteilung einen z-Wert hat, der unter dem Spaltenwert liegt.

Argument
Beschreibung
metric
Die Metrik, für die die kumulative Verteilungsfunktion der Standardnormalverteilung 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) ceiling

Effekt CEILING(metric)

[Zeile]{class="badge neutral"} Gibt die kleinste Ganzzahl zurück, die nicht kleiner als ein angegebener Wert ist. Beispiel: Wenn Sie für den Umsatz keine Währungsdezimalzahlen in Berichte aufnehmen möchten und ein Produkt einen Umsatz von 569,34 US-Dollar aufweist, können Sie mit der Formel CEILING(Revenue) den Umsatz auf den nächsten Dollar aufrunden (in diesem Fall 570 US-Dollar).

Argument
Beschreibung
metric
Die Metrik, die gerundet werden soll

Konfidenz confidence

Effekt CONFIDENCE(normalizing-container, success-metric, control, significance-treshold)

Berechnet die jederzeit gültige Konfidenz mithilfe der WASKR-Methode, wie in Zeiteinheitlicher zentraler Grenzwertsatz und asymptotische Konfidenzintervalle (Time-uniform central limit theory and asymptotic confidence sequences) beschrieben.

Konfidenz ist ein Maß dafür, wie hoch die Wahrscheinlichkeit ist, 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) für die Ausführung eines Tests.
success-metric
Die Metrik oder Metriken, die eine Benutzerin bzw. ein Benutzer verwendet.
control
Die Variante, mit der alle anderen Varianten im Experiment verglichen werden. Geben Sie den Namen des Dimensionselements der Kontrollvariante ein.
significance-threshold
Der Schwellenwert in dieser Funktion ist auf den Standardwert 95 % eingestellt.

Confidence (Lower) confidence-lower

Effekt CONFIDENCE(normalizing-container, success-metric, control, significance-treshold)

Berechnet die jederzeit gültige niedrigere Konfidenz mithilfe der WASKR-Methode, wie in Zeiteinheitlicher zentraler Grenzwertsatz und asymptotische Konfidenzintervalle (Time-uniform central limit theory and asymptotic confidence sequences) beschrieben.

Konfidenz ist ein Maß dafür, wie hoch die Wahrscheinlichkeit ist, 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) für die Ausführung eines Tests.
success-metric
Die Metrik oder Metriken, die eine Benutzerin bzw. ein Benutzer verwendet.
control
Die Variante, mit der alle anderen Varianten im Experiment verglichen werden. Geben Sie den Namen des Dimensionselements der Kontrollvariante ein.
significance-threshold
Der Schwellenwert in dieser Funktion ist auf den Standardwert 95 % eingestellt.

Confidence (Upper) confidence-upper

Effekt CONFIDENCE(normalizing-container, success-metric, control, significance-treshold)

Berechnet die jederzeit gültige höhere Konfidenz mithilfe der WASKR-Methode, wie in Zeiteinheitlicher zentraler Grenzwertsatz und asymptotische Konfidenzintervalle (Time-uniform central limit theory and asymptotic confidence sequences) beschrieben.

Konfidenz ist ein Maß dafür, wie hoch die Wahrscheinlichkeit ist, 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) für die Ausführung eines Tests.
success-metric
Die Metrik oder Metriken, die eine Benutzerin bzw. ein Benutzer verwendet.
control
Die Variante, mit der alle anderen Varianten im Experiment verglichen werden. Geben Sie den Namen des Dimensionselements der Kontrollvariante ein.
significance-threshold
Der Schwellenwert in dieser Funktion ist auf den Standardwert 95 % eingestellt.

Cosine cosine

Effekt COSINE(metric)

[Zeile]{class="badge neutral"} Gibt den Cosinus des gegebenen Winkels zurück. Wenn der Winkel in Grad angegeben ist, multiplizieren Sie den Winkel mit PI()/180.

Argument
Beschreibung
metric
Der Winkel in Radianten, für den der Kosinus ermittelt werden soll

Kubikwurzel cube-root

Effekt CUBE ROOT(metric)

Gibt die positive Kubikwurzel einer Zahl zurück. Die Kubikwurzel einer Zahl ist der Wert, wenn diese Zahl zur Potenz 1/3 erhoben wird.

Argument
Beschreibung
metric
Die Metrik, für die die Kubikwurzel berechnet werden soll

Kumulativ cumulative

Effekt CUMULATIVE(number, metric)

Gibt die Summe der letzten n Elemente der Spalte x zurück. Wenn n > 0 ist, werden die letzten n Elemente von x addiert. Wenn n < 0 ist, werden die vorangehenden n Elemente addiert.

Argument
Beschreibung
number
Die letzte Anzahl N von Zeilen, für die die Summe zurückgegeben werden soll. Wenn N <= 0 ist, werden alle vorherigen Zeilen verwendet.
metric
Die Metrik, für die die kumulative Summe angezeigt werden soll.

Beispiele

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

Cumulative (Average) cumulative-average

Effekt CUMULATIVE AVERAGE(number, metric)

Gibt den Durchschnitt der letzten n Elemente der Spalte x zurück. Wenn n > 0 ist, werden die letzten n Elemente von x addiert. Wenn n < 0 ist, werden die vorangehenden n Elemente addiert.

Argument
Beschreibung
number
Die letzte Anzahl N von Zeilen, für die der Durchschnitt zurückgegeben werden soll. Wenn N <= 0 ist, werden alle vorherigen Zeilen verwendet.
metric
Die Metrik, für die der kumulative Durchschnitt ermittelt werden soll.
NOTE
Diese Funktion funktioniert nicht mit Satzmetriken wie Umsatz pro Person. Die Funktion ermittelt den Durchschnitt der Sätze, anstatt den Umsatz der letzten N zu summieren und die Personen der letzten N zu summieren und dann zu teilen.
Verwenden Sie stattdessen CUMULATIVE(Revenue) Divide CUMULATIVE(person).

Gleich equal

Effekt EQUAL()

Gleich. Die Ausgabe ist entweder 0 (False) oder 1 (True).

Argument
Beschreibung
metric_X
Die Metrik, mit der der Vergleich durchgeführt werden soll.
metric_Y
Die Metrik, mit der der Vergleich durchgeführt werden soll.

Beispiel

Metric 1 = Metric 2

Exponentielle Regression: Korrelationskoeffizient exponential-regression-correlation-coefficient

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

[Tabelle]{class="badge neutral"} Exponentielle Regression: Y = a exp(X) + b. Gibt den Korrelationskoeffizienten zurück.

Argument
Beschreibung
metric_X
Die Metrik, die mit metric_Y korreliert werden soll
metric_Y
Die Metrik, die mit metric_X korreliert werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Exponentielle Regression: Vorhersage für Y exponential-regression-predicted-y

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

[Zeile]{class="badge neutral"} Exponentielle Regression: Y = a exp(X) + b. Gibt Y zurück.

Argument
Beschreibung
metric_X
Eine Metrik, der unabhängiger Datenstatus zugewiesen werden soll.
metric_Y
Eine Metrik, der abhängiger Datenstatus zugewiesen werden soll.
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Exponentielle Regression: Schnittpunkt exponential-regression-intercept

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

[Tabelle]{class="badge neutral"} Exponentielle Regression: Y = a exp(X) + b. Gibt b zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Exponentielle Regression: Steigung exponential-regression-slope

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

[Tabelle]{class="badge neutral"} Exponentielle Regression: Y = a exp(X) + b. Gibt a zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Floor floor

Effekt FLOOR(metric_X, metric_Y, include_zeros)

[Zeile]{class="badge neutral"} Gibt die größte Ganzzahl zurück, die nicht größer als ein angegebener Wert ist. Beispiel: Wenn Sie für den Umsatz keine Währungsdezimalzahlen in Berichte aufnehmen möchten und ein Produkt einen Umsatz von 569,34 US-Dollar aufweist, können Sie mit der Formel FLOOR(Revenue) den Umsatz auf den nächsten Dollar abrunden (in diesem Fall 569 US-Dollar).

Argument
Beschreibung
metric
Die Metrik, die gerundet werden soll.

Größer als greather-than

Effekt GREATER THAN()

Die Ausgabe ist entweder 0 (False) oder 1 (True).

Argument
Beschreibung
metric_X
Die Basismetrik, mit der der Vergleich durchgeführt werden soll.
metric_Y
Die Metrik, mit der der Vergleich durchgeführt werden soll.

Beispiel

Metric 1 > Metric 2

Größer als oder gleich greater-than-or-equal

Effekt GREATER THAN OR EQUAL()

Größer als oder gleich. Die Ausgabe ist entweder 0 (False) oder 1 (True).

Argument
Beschreibung
metric_X
Die Basismetrik, mit der der Vergleich durchgeführt werden soll.
metric_Y
Die Metrik, mit der der Vergleich durchgeführt werden soll.

Beispiel

Metric 1 >= Metric 2

Hyperbolic Cosine hyperbolic-cosine

Effekt HYPERBOLIC COSINE(metric)

[Zeile]{class="badge neutral"} Gibt den Cosinus hyperbolicus einer Zahl zurück.

Argument
Beschreibung
metric
Der Winkel in Radianten, für den Sie den Hyperbelkosinus ermitteln möchten

Hyperbolic Sine hyperbolic-sine

Effekt HYPERBOLIC SINE(metric)

[Reihe]{class="badge neutral"} Gibt den Sinus hyperbolicus einer Zahl zurück.

Argument
Beschreibung
metric
Der Winkel in Radianten, für den Sie den Hyperbelsinus ermitteln möchten

Hyperbolic Tangent hyperbolic-tangent

Effekt HYPERBOLIC TANGENT(metric)

[Zeile]{class="badge neutral"} Gibt den Tangens hyperbolicus einer Zahl zurück.

Argument
Beschreibung
metric
Der Winkel in Radianten, dessen hyperbolischer Tangens berechnet werden soll

Wenn if

Effekt IF(logical_test, value_if_true, value_if_false)

[Zeile]{class="badge neutral"} Wenn der Bedingungsparameter einen Wert ungleich null (true) aufweist, ist das Ergebnis der Wert des Parameters „value_if_true“. Andernfalls ist es der Wert des Parameters „value_if_false“.

Argument
Beschreibung
logical_test
Erforderlich. Wert, 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.)

Weniger als less-than

Effekt LESS THAN()

Die Ausgabe ist entweder 0 (False) oder 1 (True).

Argument
Beschreibung
metric_X
Die Metrik, mit der der Vergleich durchgeführt werden soll.
metric_Y
Die Metrik, mit der der Vergleich durchgeführt werden soll.

Beispiel

Metric 1 < Metric 2

Kleiner als oder gleich less-than-or-equal

Effekt LESS THAN OR EQUAL()

Kleiner als oder gleich. Die Ausgabe ist entweder 0 (False) oder 1 (True).

Argument
Beschreibung
metric_X
Die Metrik, mit der der Vergleich durchgeführt werden soll.
metric_Y
Die Metrik, mit der der Vergleich durchgeführt werden soll.

Beispiel

Metric 1 <= Metric 2

Lift lift

Effekt LIFT(normalizing-container, success-metric, control)

Der Lift (Anstieg) des Verhältnisses im Vergleich zum Kontrollwert.

Argument
Beschreibung
normalizing-container
Die Grundlage (Personen, Sitzungen oder Ereignisse) für die Ausführung eines Tests.
success-metric
Die Metrik oder Metriken, die eine Benutzerin bzw. ein Benutzer verwendet.
control
Die Variante, mit der alle anderen Varianten im Experiment verglichen werden. Geben Sie den Namen des Dimensionselements der Kontrollvariante ein.

Lineare Regression: Korrelationskoeffizient linear-regression-correlation-coefficient

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

[Tabelle]{class="badge neutral"} Lineare Regression: Y = a X + b. Gibt den Korrelationskoeffizienten zurück.

Argument
Beschreibung
metric_X
Die Metrik, die mit metric_Y korreliert werden soll
metric_Y
Die Metrik, die mit metric_X korreliert werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Lineare Regression: Schnittpunkt linear-regression-intercept

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

[Tabelle]{class="badge neutral"} Lineare Regression: Y = a X + b. Gibt b zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Lineare Regression: Vorhersage für Y linear-regression-predicted-y

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

[Zeile]{class="badge neutral"} Lineare Regression: Y = a X + b. Gibt Y zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Lineare Regression: Steigung linear-regression-slope

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

[Tabelle]{class="badge neutral"} Lineare Regression: Y = a X + b. Gibt a zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Log Base 10 log-base-ten

Effekt LOG BASE 10(metric)

[Zeile]{class="badge neutral"} Gibt den Logarithmus einer Zahl zur Basis 10 zurück.

Argument
Beschreibung
metric
Die positive reale Zahl, deren Logarithmus zur Basis 10 gewünscht ist

Logarithmische Regression: Korrelationskoeffizient log-regression-correlation-coefficient

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

[Tabelle]{class="badge neutral"} Logarithmische Regression: Y = a ln(X) + b. Gibt den Korrelationskoeffizienten zurück.

Argument
Beschreibung
metric_X
Die Metrik, die mit metric_Y korreliert werden soll
metric_Y
Die Metrik, die mit metric_X korreliert werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Logarithmische Regression: Schnittpunkt log-regression-intercept

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

[Tabelle]{class="badge neutral"} Logarithmische Regression: Y = a ln(X) + b. Gibt b zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Logarithmische Regression: Vorhersage für Y log-regression-predicted-y

Effekt LOG REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Zeile]{class="badge neutral"} Logarithmische Regression: Y = a ln(X) + b. Gibt Y zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Logistische Regression: Steigung log-regression-slope

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

[Tabelle]{class="badge neutral"} Logarithmische Regression: Y = a ln(X) + b. Gibt a zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Natürlicher Logarithmus natural-log

Effekt NATURAL LOG(metric)

Gibt den natürlichen Logarithmus einer Zahl zurück. Natürliche Logarithmen basieren auf der Konstanten e (2.71828182845904). LN ist die Umkehrung der EXP-Funktion.

Argument
Beschreibung
metric
Die positive reale Zahl, deren natürlicher Logarithmus gewünscht ist

Nicht not

Effekt NOT(logical)

Negation als boolescher Wert. Die Ausgabe ist entweder 0 (False) oder 1 (True).

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

Not Equal not-equal

Effekt NOT EQUAL()

Ungleich. Die Ausgabe ist entweder 0 (False) oder 1 (True).

Argument
Beschreibung
metric_X
Die Metrik, mit der der Vergleich durchgeführt werden soll.
metric_Y
Die Metrik, mit der der Vergleich durchgeführt werden soll.

Beispiel

Metric 1 != Metric 2

Oder or

Effekt OR(logical_test)

[Zeile]{class="badge neutral"} Oder-Verknüpfung. „Ungleich null“ gilt als „True“ und „Gleich null“ gilt als „False“. 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.
NOTE
0 (null) bedeutet „Falsch“ und jeder andere Wert „Wahr“.

Pi pi

Effekt PI()

Gibt Pi zurück: 3,14159…

Potenzregression: Korrelationskoeffizient power-regression-correlation-coefficient

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

[Tabelle]{class="badge neutral"} Potenzregression: Y = b X ^ a. Gibt den Korrelationskoeffizienten zurück.

Argument
Beschreibung
metric_X
Die Metrik, die mit metric_Y korreliert werden soll
metric_Y
Die Metrik, die mit metric_X korreliert werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Potenzregression: Schnittpunkt power-regression-intercept

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

[Tabelle]{class="badge neutral"} Potenzregression: Y = b X ^ a. Gibt b zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Potenzregression: Vorhersage für Y power-regression-predicted-y

Effekt POWER REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros)

[Zeile]{class="badge neutral"} Potenzregression: Y = b X ^ a. Gibt Y zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Potenzregression: Steigung power-regression-slope

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

[Tabelle]{class="badge neutral"} Potenzregression: Y = b X ^ a. Gibt a zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Quadratische Regression: Korrelationskoeffizient quadratic-regression-correlation-coefficient

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

[Tabelle]{class="badge neutral"} Quadratische Regression: Y = (a + bX) ^ 2. Gibt den Korrelationskoeffizienten zurück.

Argument
Beschreibung
metric_X
Die Metrik, die mit metric_Y korreliert werden soll
metric_Y
Die Metrik, die mit metric_X korreliert werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Quadratische Regression: Schnittpunkt quadratic-regression-intercept

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

[Tabelle]{class="badge neutral"} Quadratische Regression: Y = (a + bX) ^ 2. Gibt a zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Quadratische Regression: Vorhersage für Y quadratic-regression-predicted-y

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

[Zeile]{class="badge neutral"} Quadratische Regression: Y = (a + bX) ^ 2. Gibt Y zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Quadratische Regression: Steigung quadratic-regression-slope

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

[Tabelle]{class="badge neutral"} Quadratische Regression: Y = (a + bX) ^ 2. Gibt b zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Reziproke Regression: Korrelationskoeffizient reciprocal-regression-correlation-coefficient

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

[Tabelle]{class="badge neutral"} Reziproke Regression: Y = a + b X ^ -1. Gibt den Korrelationskoeffizienten zurück.

Argument
Beschreibung
metric_X
Die Metrik, die mit metric_Y korreliert werden soll
metric_Y
Die Metrik, die mit metric_X korreliert werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Reziproke Regression: Schnittpunkt reciprocal-regression-intercept

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

[Tabelle]{class="badge neutral"} Reziproke Regression: Y = a + b X ^ -1. Gibt a zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Reziproke Regression: Vorhersage für Y reciprocal-regression-predicted-y

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

[Zeile]{class="badge neutral"} Reziproke Regression: Y = a + b X ^ -1. Gibt Y zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Reziproke Regression: Steigung reciprocal-regression-slope

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

[Tabelle]{class="badge neutral"} Reziproke Regression: Y = a + b X ^ -1. Gibt b zurück.

Argument
Beschreibung
metric_X
Eine Metrik, die als abhängiges Datenelement zugewiesen werden soll
metric_Y
Die Metrik, die als unabhängiges Datenelement zugewiesen werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Stichprobenvarianz

Effekt SAMPLE VARIANCE(normalizing-container, success-metric)

Berechnet eine Schätzung der Stichprobenvarianz.

Argument
Beschreibung
normalizing-container
Die Grundlage (Personen, Sitzungen oder Ereignisse) für die Ausführung eines Tests.
success-metric
Die Metrik oder Metriken, die eine Benutzerin bzw. ein Benutzer verwendet.

Sine sine

Effekt SINE(metric)

[Zeile]{class="badge neutral"} Gibt den Sinus des gegebenen Winkels zurück. Wenn der Winkel in Grad angegeben ist, multiplizieren Sie den Winkel mit PI()/180.

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

t-Wert t-score

Effekt T-SCORE(metric, include_zeros)

Die Abweichung vom ARITHMETISCHEN MITTEL geteilt durch die Standardabweichung. Alias für Z-Score.

Argument
Beschreibung
metric
Die Metrik, für die der t-Wert angezeigt werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

t-Test t-test

Effekt T-TEST(metric, degrees, tails)

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

Argument
Beschreibung
metric
Die Metrik, für die ein t-Test durchgeführt werden soll
degrees
Die Freiheitsgrade
Longtails
Die Länge des Longtails, der für die Durchführung des t-Tests verwendet werden soll

Details

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

  • m ist die Anzahl der Longtails.
  • n ist der Freiheitsgrad. Dies sollte eine konstante Zahl für den gesamten Bericht sein, d. h., sie ändert sich nicht Zeile für Zeile.
  • X ist die t-Test-Statistik. Hierbei handelt es sich häufig um eine auf einer Metrik basierende Formel (z. B. Z-WERT), die in jeder Zeile bewertet 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 zum Auffinden von Ausreißern:

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

  2. Kombinieren Sie die Funktion mit IF, um sehr hohe oder niedrige Bounce-Raten zu ignorieren und alle weiteren Sitzungen zu zählen:

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

Tangente tangent

Effekt TANGENT(metric)

Gibt den Tangens des gegebenen Winkels zurück. Wenn der Winkel in Grad angegeben ist, multiplizieren Sie den Winkel mit PI()/180.

Argument
Beschreibung
metric
Der Winkel in Radianten, für den Sie die Tangente ermitteln möchten

Z-Score z-score

Effekt Z-SCORE(metric, include_zeros)

[Zeile]{class="badge neutral"} Die Abweichung vom arithmetischen Mittel geteilt durch die Standardabweichung.

Argument
Beschreibung
metric
Die Metrik, für die der z-Wert angezeigt werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen oder nicht

Ein z-Wert von 0 (null) gibt an, dass der Wert mit dem arithmetischen Mittel identisch ist. 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:

Dabei ist x der Rohwert, 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 z-test

Effekt Z-TEST(metric_tails)

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

Argument
Beschreibung
metric
Die Metrik, für die ein z-Test durchgeführt werden soll
Longtails
Die Länge des Longtails, 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