DokumentationAnalytics-Komponentenleitfaden

Erweiterte Funktionen

Last update: Fri Jan 17 2025 00:00:00 GMT+0000 (Coordinated Universal Time)
  • Themen:
  • Berechnete Metriken

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: TabelleZeile

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

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

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

Effekt BOGEN KOSINUS(metrisch)

Zeile

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

Arcussinus

Effekt BOGEN SINUS(metrisch)

Zeile

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

Arkustangens

Effekt BOGENTANGENTE(metrisch)

Zeile

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

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

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)

Effekt CEILING(metrisch)

Zeile

Argument
Beschreibung
metric
Die Metrik, die Sie runden möchten

Konfidenz

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)

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)

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

Effekt KOSINUS(metrisch)

Zeile

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

Kubikwurzel

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

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)

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

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

Effekt EXPONENTIELLE REGRESSION: KORRELATIONSKOEFFIZIENT(metric_X, metric_Y, include_zeros)

Tabelle

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

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

Zeile

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

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

Tabelle

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

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

Tabelle

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

Effect FLOOR(metric_X, metric_Y, include_zero)

Zeile

Argument
Beschreibung
metric
Die Metrik, die gerundet werden soll.

Größer als

EFFECT GREATER 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 ODER GLEICH()

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

Argument
Beschreibung
metric_X
metric_Y

Beispiel

Metric 1 >= Metric 2

Hyperbolic Cosine

Effekt HYPERBOLISCHER KOSINUS(metrisch)

Zeile

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

Hyperbolic Sine

Effekt HYPERBOLISCHER SINUS(metrisch)

Zeile

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

Hyperbolic Tangent

Effekt HYPERBOLISCHER TANGENS(metrisch)

Zeile

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

Wenn

Effect IF(logical_test, value_if_true, value_if_false)

Zeile

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 LESS THAN OR EQUAL()

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

Argument
Beschreibung
metric_X
metric_Y

Beispiel

Metric 1 <= Metric 2

Lift (#lift)

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

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

Tabelle

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

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

Tabelle

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

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

Zeile

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

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

Tabelle

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

Effekt LOG BASE 10(metrisch)

Zeile

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

Logarithmische Regression: Korrelationskoeffizient

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

Tabelle

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

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

Tabelle

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

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

Zeile

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

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

Tabelle

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

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

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

EFFECT NOT EQUAL()

Ungleich. 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

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

Effekt PI()

Gibt Pi zurück: 3,14159…

Potenzregression: Korrelationskoeffizient

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

Tabelle

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

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

Tabelle

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

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

Zeile

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

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

Tabelle

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

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

Tabelle

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

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

Tabelle

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

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

Zeile

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

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

Tabelle

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

Effekt REZIPROKE REGRESSION: KORRELATIONSKOEFFIZIENT(metric_X, metric_Y, include_zeros)

Tabelle

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

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

Tabelle

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

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

Zeile

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

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

Tabelle

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

Sine

Effekt SINUS(metrisch)

Zeile

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

t-Transformation

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

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:

    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:

    IF(T-TEST(Z-SCORE(bouncerate), ROW COUNT - 1, 2) < 0.01, 0, sessions )

Tangens

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

Effect Z-SCORE(metric, include_zeros)

Zeile

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

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
46b8682c-fda6-4669-9355-1a44923e549e