DokumentationCustomer Journey AnalyticsHandbuch zu Customer Journey Analytics

Erweiterte Funktionen

Last update: Fri Mar 21 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. Dieser Artikel dokumentiert eine alphabetische Liste der erweiterten Funktionen und ihrer Definitionen.

Greifen Sie auf diese Funktionen zu, indem Alle anzeigen unter Effekt Funktionen im Bedienfeld „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"}[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 keine Nullen enthält.

Und and

Effect 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 Parameter annehmen. Jeder Wert oder Ausdruck, der als TRUE oder FALSE ausgewertet werden kann

Ungefähre Zählung Verschiedener approximate_count_distinct

Effekt ANNÄHERNDE ANZAHL DISTINCT(Dimension)

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

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

Beispiel

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

Arcuscosinus arc-cosine

Effekt BOGEN KOSINUS(metrisch)

[Zeile]{class="badge neutral"}

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

Arcussinus arc-sine

Effekt BOGEN SINUS(metrisch)

[Zeile]{class="badge neutral"}

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

Arkustangens arc-tangent

Effekt BOGENTANGENTE(metrisch)

[Zeile]{class="badge neutral"}

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

Cdf-T cdf-t

Effekt CDF-T(Metrik, Zahl)

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(Metrik, Zahl)

Gibt die Wahrscheinlichkeit dafür zurück, dass eine Zufallsvariable mit einer Normalverteilung 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(metrisch)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric
Die Metrik, die Sie runden möchten

Konfidenz confidence

Effekt KONFIDENZ(Normalisierungs-Container, Erfolgsmetrik, Kontrolle, Signifikanz-Schwellenwert)

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
Normalisierungs-Container
Die Grundlage (Personen, Sitzungen oder Ereignisse) für die Ausführung eines Tests.
Erfolgsmetrik
Die Kennzahl(en), die ein(e) Benutzende® verwendet, um Varianten zu vergleichen.
Kontrolle
Die Variante, mit der alle anderen Varianten im Experiment verglichen werden. Geben Sie den Namen des Dimensionselements der Kontrollvariante ein.
Signifikanzschwelle
Der Schwellenwert in dieser Funktion ist auf den Standardwert 95 % eingestellt.

Confidence (Lower) confidence-lower

Effekt KONFIDENZ(Normalisierungs-Container, Erfolgsmetrik, Kontrolle, Signifikanz-Schwellenwert)

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
Normalisierungs-Container
Die Grundlage (Personen, Sitzungen oder Ereignisse) für die Ausführung eines Tests.
Erfolgsmetrik
Die Kennzahl(en), die ein(e) Benutzende® verwendet, um Varianten zu vergleichen.
Kontrolle
Die Variante, mit der alle anderen Varianten im Experiment verglichen werden. Geben Sie den Namen des Dimensionselements der Kontrollvariante ein.
Signifikanzschwelle
Der Schwellenwert in dieser Funktion ist auf den Standardwert 95 % eingestellt.

Confidence (Upper) confidence-upper

Effekt KONFIDENZ(Normalisierungs-Container, Erfolgsmetrik, Kontrolle, Signifikanz-Schwellenwert)

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
Normalisierungs-Container
Die Grundlage (Personen, Sitzungen oder Ereignisse) für die Ausführung eines Tests.
Erfolgsmetrik
Die Kennzahl(en), die ein(e) Benutzende® verwendet, um Varianten zu vergleichen.
Kontrolle
Die Variante, mit der alle anderen Varianten im Experiment verglichen werden. Geben Sie den Namen des Dimensionselements der Kontrollvariante ein.
Signifikanzschwelle
Der Schwellenwert in dieser Funktion ist auf den Standardwert 95 % eingestellt.

Cosine cosine

Effekt KOSINUS(metrisch)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric
Der Winkel im Bogenmaß, für den der Kosinus verwendet 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 Sie die Kubikwurzel berechnen möchten

Kumulativ cumulative

Effect 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 n vorangehenden 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
KUMULATIV(0, Umsatz)
KUMULATIV(2, Einnahmen)
Mai
500 $
500 $
500 $
Juni
200 $
700 $
700 $
Juli
400$
1 100 $
600 $

Cumulative (Average) cumulative-average

Effekt KUMULATIVER DURCHSCHNITT(Zahl, Metrik)

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 Elemente n addiert.

Argument
Beschreibung
number
Die letzte Anzahl N von Zeilen, für die der Durchschnitt zurückgegeben wird. Wenn N <= 0 ist, werden alle vorherigen Zeilen verwendet.
metric
Die Metrik, für die der kumulative Durchschnitt angezeigt werden soll.
NOTE
Diese Funktion funktioniert nicht mit Tarifmetriken 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

EFFECT EQUAL()

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

Argument
Beschreibung
metric_X
Die Metrik, die Sie vergleichen möchten.
metric_Y
Die Metrik, mit der verglichen werden soll.

Beispiel

Metric 1 = Metric 2

Exponentielle Regression: Korrelationskoeffizient exponential-regression-correlation-coefficient

Effekt EXPONENTIELLE REGRESSION: KORRELATIONSKOEFFIZIENT(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
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

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

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

[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
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Exponentielle Regression: Schnittpunkt exponential-regression-intercept

Effect EXPONENTIAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Exponentielle Regression: Steigung exponential-regression-slope

Effekt EXPONENTIELLE REGRESSION: SLOPE(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Floor floor

Effect FLOOR(metric_X, metric_Y, include_zero)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric
Die Metrik, die gerundet werden soll.

Größer als greather-than

EFFECT GREATER THAN()

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

Argument
Beschreibung
metric_X
Die Basismetrik, die Sie zum Vergleich verwenden möchten.
metric_Y
Die Metrik, mit der verglichen werden soll.

Beispiel

Metric 1 > Metric 2

Größer gleich greater-than-or-equal

EFFECT GRÖSSER ODER GLEICH()

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

Argument
Beschreibung
metric_X
Die Basismetrik, die Sie zum Vergleich verwenden möchten.
metric_Y
Die Metrik, mit der verglichen werden soll.

Beispiel

Metric 1 >= Metric 2

Hyperbolic Cosine hyperbolic-cosine

Effekt HYPERBOLISCHER KOSINUS(metrisch)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric
Der Winkel im Bogenmaß, für den Sie den hyperbolischen Kosinus finden möchten

Hyperbolic Sine hyperbolic-sine

Effekt HYPERBOLISCHER SINUS(metrisch)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric
Der Winkel im Bogenmaß, für den der hyperbolische Sinus gefunden werden soll

Hyperbolic Tangent hyperbolic-tangent

Effekt HYPERBOLISCHER TANGENS(metrisch)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric
Der Winkel im Bogenmaß, für den die hyperbolische Tangente gefunden werden soll

Wenn if

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 less-than

EFFECT LESS THAN()

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

Argument
Beschreibung
metric_X
Die Metrik, die Sie vergleichen möchten.
metric_Y
Die Metrik, mit der verglichen werden soll.

Beispiel

Metric 1 < Metric 2

Kleiner gleich less-than-or-equal

EFFECT LESS THAN OR EQUAL()

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

Argument
Beschreibung
metric_X
Die Metrik, die Sie vergleichen möchten.
metric_Y
Die Metrik, mit der verglichen werden soll.

Beispiel

Metric 1 <= Metric 2

Anstieg lift

Effect LIFT(Normalisierungs-Container, Erfolgsmetrik, Kontrolle)

Der Anstieg des Verhältnisses im Vergleich zum Kontrollwert.

Argument
Beschreibung
Normalisierungs-Container
Die Grundlage (Personen, Sitzungen oder Ereignisse) für die Ausführung eines Tests.
Erfolgsmetrik
Die Kennzahl(en), die ein(e) Benutzende® verwendet, um Varianten zu vergleichen.
Kontrolle
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 LINEARE REGRESSION: KORRELATIONSKOEFFIZIENT(metric_X, metric_Y, include_zero)

[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
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Lineare Regression: Schnittpunkt linear-regression-intercept

Effekt LINEARE REGRESSION: INTERCEPT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

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

Effekt LINEARE REGRESSION: PRODICTED Y(metric_X, metric_Y, include_zero)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Lineare Regression: Steigung linear-regression-slope

Effekt LINEARE REGRESSION: SLOPE(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Log Base 10 log-base-ten

Effekt LOG BASE 10(metrisch)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric
Die positive reelle Zahl, für die der Logarithmus der Basis 10 verwendet werden soll

Logarithmische Regression: Korrelationskoeffizient log-regression-correlation-coefficient

Effekt LOG REGRESSION: KORRELATIONSKOEFFIZIENT(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
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Logarithmische Regression: Schnittpunkt log-regression-intercept

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

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

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

Effect LOG REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zero)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Logistische Regression: Steigung log-regression-slope

Effect LOG REGRESSION: SLOPE(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Natürlicher Logarithmus natural-log

Effekt NATÜRLICHES LOG(metrisch)

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 reelle Zahl, für die der natürliche Logarithmus angezeigt werden soll

Nicht not

Effekt NICHT(logisch)

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

Not Equal not-equal

EFFECT NOT EQUAL()

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

Argument
Beschreibung
metric_X
Die Metrik, die Sie vergleichen möchten.
metric_Y
Die Metrik, mit der verglichen werden soll.

Beispiel

Metric 1 != Metric 2

Oder or

Effect OR(logical_test)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
Logical_test
Erfordert mindestens einen Parameter, kann jedoch eine beliebige Anzahl Parameter 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: KORRELATIONSKOEFFIZIENT(metric_X, metric_Y, include_zero)

[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
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Potenzregression: Schnittpunkt power-regression-intercept

Effect POWER REGRESSION: INTERCEPT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

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

Effect POWER REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zero)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Potenzregression: Steigung power-regression-slope

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

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Quadratische Regression: Korrelationskoeffizient quadratic-regression-correlation-coefficient

Effekt QUADRATISCHE REGRESSION: KORRELATIONSKOEFFIZIENT(metric_X, metric_Y, include_zero)

[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
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Quadratische Regression: Schnittpunkt quadratic-regression-intercept

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

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

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

Effekt QUADRATISCHE REGRESSION: PROGNOSTIZIERTES Y(metric_X, metric_Y, include_zero)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Quadratische Regression: Steigung quadratic-regression-slope

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

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Reziproke Regression: Korrelationskoeffizient reciprocal-regression-correlation-coefficient

Effekt REZIPROKE REGRESSION: KORRELATIONSKOEFFIZIENT(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
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Reziproke Regression: Schnittpunkt reciprocal-regression-intercept

Effekt REZIPROKE REGRESSION: INTERCEPT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

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

Effekt REZIPROKE REGRESSION: PROGNOSTIZIERTES Y(metric_X, metric_Y, include_zero)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Reziproke Regression: Steigung reciprocal-regression-slope

Effekt REZIPROKE REGRESSION: SLOPE(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Argument
Beschreibung
metric_X
Eine Metrik, der abhängige Daten zugewiesen werden sollen
metric_Y
Eine Metrik, die als unabhängige Daten gekennzeichnet werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Stichprobenvarianz

Effekt STICHPROBENVARIANZ(Normalisierungs-Container, Erfolgsmetrik)

Berechnet eine Schätzung der Stichprobenvarianz.

Argument
Beschreibung
Normalisierungs-Container
Die Grundlage (Personen, Sitzungen oder Ereignisse) für die Ausführung eines Tests.
Erfolgsmetrik
Die Kennzahl(en), die ein(e) Benutzende® verwendet, um Varianten zu vergleichen.

Sine sine

Effekt SINUS(metrisch)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric
Der Winkel im Bogenmaß, für den der Sinus verwendet werden soll

t-Transformation t-score

Effect 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-Score erstellt werden soll
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

t-Test t-test

Effekt T-TEST(metrisch, Grad, Schwanz)

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

Argument
Beschreibung
metric
Die Metrik, für die Sie einen Test durchführen möchten
degrees
Die Freiheitsgrade
Schwänze
Die Länge des für die Durchführung des T-Tests zu verwendenden Schwanzes

Details

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

  • m ist die Anzahl der Schwänze.
  • n ist der Freiheitsgrad und sollte eine konstante Zahl für den gesamten Bericht sein, d. h., sie ändert sich nicht Zeile für Zeile.
  • x ist die Statistik des T-Tests und wäre häufig eine Formel (z. B. Z-SCORE), die auf einer Metrik basiert und in jeder 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 auf alles andere zu zählen:

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

Tangens tangent

Effekt TANGENS(metrisch)

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 Bogenmaß, für den die Tangente bestimmt werden soll

Z-Score z-score

Effect Z-SCORE(metric, include_zeros)

[Zeile]{class="badge neutral"}

Argument
Beschreibung
metric
Die Metrik, für die der Z-Wert gewünscht wird
include_zeros
Gibt an, ob Nullwerte in die Berechnungen einbezogen werden sollen

Ein Z-Score von 0 (Null) bedeutet, dass der Score dem Mittelwert entspricht. 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 der Mittelwert der Population und σ die Standardabweichung der Population.

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

z-Test z-test

Effect 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
Schwänze
Die Länge des für die Durchführung des Z-Tests zu verwendenden Schwanzes
NOTE
Dabei wird von einer Normalverteilung der Werte ausgegangen.
recommendation-more-help
080e5213-7aa2-40d6-9dba-18945e892f79