Erweiterte Funktionen

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 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

AND(logical_test)

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

Ungefähre Zählung Verschiedener approximate_count_distinct

ANNÄHERNDE ANZAHL DISTINCT(Dimension)

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

Beispiel

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

Arcuscosinus arc-cosine

BOGEN KOSINUS(metrisch)

[Zeile]{class="badge neutral"}

Arcussinus arc-sine

BOGEN SINUS(metrisch)

[Zeile]{class="badge neutral"}

Arkustangens arc-tangent

BOGENTANGENTE(metrisch)

[Zeile]{class="badge neutral"}

Cdf-T cdf-t

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.

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

CDF-Z(Metrik, Zahl)

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

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

CEILING(metrisch)

[Zeile]{class="badge neutral"}

Konfidenz confidence

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.

Confidence (Lower) confidence-lower

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.

Confidence (Upper) confidence-upper

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.

Cosine cosine

KOSINUS(metrisch)

[Zeile]{class="badge neutral"}

Kubikwurzel cube-root

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.

Kumulativ cumulative

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.

Beispiele

Cumulative (Average) cumulative-average

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.

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) CUMULATIVE(person).

Gleich equal

EQUAL()

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

Beispiel

Metric 1 = Metric 2

Exponentielle Regression: Korrelationskoeffizient exponential-regression-correlation-coefficient

EXPONENTIELLE REGRESSION: KORRELATIONSKOEFFIZIENT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

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

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

[Zeile]{class="badge neutral"}

Exponentielle Regression: Schnittpunkt exponential-regression-intercept

EXPONENTIAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Exponentielle Regression: Steigung exponential-regression-slope

EXPONENTIELLE REGRESSION: SLOPE(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Floor floor

FLOOR(metric_X, metric_Y, include_zero)

[Zeile]{class="badge neutral"}

Größer als greather-than

GREATER THAN()

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

Beispiel

Metric 1 > Metric 2

Größer gleich greater-than-or-equal

GRÖSSER ODER GLEICH()

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

Beispiel

Metric 1 >= Metric 2

Hyperbolic Cosine hyperbolic-cosine

HYPERBOLISCHER KOSINUS(metrisch)

[Zeile]{class="badge neutral"}

Hyperbolic Sine hyperbolic-sine

HYPERBOLISCHER SINUS(metrisch)

[Zeile]{class="badge neutral"}

Hyperbolic Tangent hyperbolic-tangent

HYPERBOLISCHER TANGENS(metrisch)

[Zeile]{class="badge neutral"}

Wenn if

IF(logical_test, value_if_true, value_if_false)

[Zeile]{class="badge neutral"}

Kleiner als less-than

LESS THAN()

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

Beispiel

Metric 1 < Metric 2

Kleiner gleich less-than-or-equal

LESS THAN OR EQUAL()

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

Beispiel

Metric 1 <= Metric 2

Lift (#lift)

Lineare Regression: Korrelationskoeffizient linear-regression-correlation-coefficient

LINEARE REGRESSION: KORRELATIONSKOEFFIZIENT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Lineare Regression: Schnittpunkt linear-regression-intercept

LINEARE REGRESSION: INTERCEPT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

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

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

[Zeile]{class="badge neutral"}

Lineare Regression: Steigung linear-regression-slope

LINEARE REGRESSION: SLOPE(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Log Base 10 log-base-ten

LOG BASE 10(metrisch)

[Zeile]{class="badge neutral"}

Logarithmische Regression: Korrelationskoeffizient log-regression-correlation-coefficient

LOG REGRESSION: KORRELATIONSKOEFFIZIENT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Logarithmische Regression: Schnittpunkt log-regression-intercept

LOG REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

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

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

[Zeile]{class="badge neutral"}

Logistische Regression: Steigung log-regression-slope

LOG REGRESSION: SLOPE(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Natürlicher Logarithmus natural-log

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.

Nicht not

NICHT(logisch)

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

Not Equal not-equal

NOT EQUAL()

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

Beispiel

Metric 1 != Metric 2

Oder or

OR(logical_test)

[Zeile]{class="badge neutral"}

Pi pi

PI()

Gibt Pi zurück: 3,14159…

Potenzregression: Korrelationskoeffizient power-regression-correlation-coefficient

POWER REGRESSION: KORRELATIONSKOEFFIZIENT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Potenzregression: Schnittpunkt power-regression-intercept

POWER REGRESSION: INTERCEPT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

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

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

[Zeile]{class="badge neutral"}

Potenzregression: Steigung power-regression-slope

POWER REGRESSION: SLOPE(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Quadratische Regression: Korrelationskoeffizient quadratic-regression-correlation-coefficient

QUADRATISCHE REGRESSION: KORRELATIONSKOEFFIZIENT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Quadratische Regression: Schnittpunkt quadratic-regression-intercept

QUADRATISCHE REGRESSION: INTERCEPT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

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

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

[Zeile]{class="badge neutral"}

Quadratische Regression: Steigung quadratic-regression-slope

QUADRATISCHE REGRESSION: SLOPE(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Reziproke Regression: Korrelationskoeffizient reciprocal-regression-correlation-coefficient

REZIPROKE REGRESSION: KORRELATIONSKOEFFIZIENT(metric_X, metric_Y, include_zeros)

[Tabelle]{class="badge neutral"}

Reziproke Regression: Schnittpunkt reciprocal-regression-intercept

REZIPROKE REGRESSION: INTERCEPT(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

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

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

[Zeile]{class="badge neutral"}

Reziproke Regression: Steigung reciprocal-regression-slope

REZIPROKE REGRESSION: SLOPE(metric_X, metric_Y, include_zero)

[Tabelle]{class="badge neutral"}

Sine sine

SINUS(metrisch)

[Zeile]{class="badge neutral"}

t-Transformation t-score

T-SCORE(metric, include_zeros)

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

t-Test t-test

T-TEST(metrisch, Grad, Schwanz)

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

Details

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

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

Beispiele

Tangens tangent

TANGENS(metrisch)

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

Z-Score z-score

Z-SCORE(metric, include_zeros)

[Zeile]{class="badge neutral"}

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.

z-Test z-test

Z-TEST(metric_tails)

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