Fonctions avancées

Le créateur de mesures calculées vous permet d’appliquer des fonctions statistiques et mathématiques. Cet article comprend une liste alphabétique des fonctions avancées ainsi que leurs définitions.

Accédez à ces fonctions en sélectionnant Tout afficher ci-dessous dans la liste Fonctions du panneau Composants. Faites défiler la page vers le bas pour afficher la liste des Fonctions avancées.

Fonctions de tableau et fonctions de ligne

Une fonction de tableau consiste à ce que la sortie soit la même pour chaque ligne du tableau. Une fonction de ligne consiste à ce que la sortie soit différente pour chaque ligne du tableau.

Le cas échéant et lorsque c’est utile, une fonction est annotée avec le type de fonction : [Tableau]{class="badge neutral"} ou [Ligne]{class="badge neutral"}.

Que signifie le paramètre d’inclusion de zéros ?

Il indique s’il faut inclure des zéros dans le calcul. Parfois, zéro signifie rien mais parfois, c’est important.

Par exemple, en présence d’une mesure Revenus, vous ajoutez une mesure Pages vues au rapport. Soudain, des lignes supplémentaires apparaissent pour vos revenus, qui contiennent toutes zéro. Vous ne souhaitez probablement pas que cette mesure supplémentaire affecte les éléments MEAN, ROW MINIMUM, QUARTILE et d’autres calculs que vous avez dans la colonne des revenus. Dans ce cas, vous devez activer le paramètre include-zeros.

Un autre scénario consiste à utiliser deux mesures intéressantes, l’une ayant une moyenne ou un minimum supérieur, car certaines lignes sont des zéros. Dans ce cas, vous pouvez choisir de ne pas activer le paramètre pour inclure des zéros.

Et and

ET(logical_test)

Conjonction. Non égal à zéro est considéré comme true et égal à zéro est considéré comme false. La sortie est soit 0 (false) soit 1 (true).

Nombre distinct approximatif approximate_count_distinct

NOMBRE APPROXIMATIF DISTINCT(dimension)

Renvoie le nombre approximatif d’éléments distincts pour la dimension sélectionnée.

Exemple

Un cas d’utilisation courant de cette fonction est lorsque vous souhaitez obtenir un nombre approximatif de clientes et clients.

Arc cosinus arc-cosine

ARC COSINUS(mesure)

[Ligne]{class="badge neutral"} Renvoie l’arc cosinus, ou l’inverse du cosinus, d’une mesure. L’arc cosinus d’un nombre est l’angle dont le cosinus vaut ce nombre. L’angle renvoyé est donné en radians dans la plage 0 (zéro) à pi. Si vous souhaitez convertir le résultat de radians en degrés, multipliez-le par 180/PI().

Arc sinus arc-sine

ARC SINUS(mesure)

[Ligne]{class="badge neutral"} Renvoie l’arc sinus, ou le sinus inverse, d’un nombre. L’arc sinus d’un nombre est l’angle dont le sinus est un nombre. L’angle renvoyé est donné en radians dans la plage -pi/2 à pi/2. Pour exprimer l’arc sinus en degrés, multipliez le résultat par 180/PI().

Arc tangente arc-tangent

ARC TANGENTE(mesure)

[Ligne]{class="badge neutral"} Renvoie l’arc tangente, ou la tangente inverse, d’un nombre. L’arc tangente d’un nombre est l’angle dont la tangente est un nombre. L’angle renvoyé est donné en radians dans la plage -pi/2 à pi/2. Pour exprimer l’arc tangente en degrés, multipliez le résultat par 180/PI().

Cdf-T cdf-t

CDF-T(mesure, nombre)

Renvoie la probabilité qu’une variable aléatoire avec une loi de Student t à n degrés de liberté ait un score z inférieur à col.

Exemple

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(mesure, nombre)

Renvoie la probabilité qu’une variable aléatoire avec une distribution normale ait un score z inférieur à col.

Exemples

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

Plafond ceiling

PLAFOND(mesure)

[Ligne]{class="badge neutral"} Renvoie l’entier le plus petit, non inférieur à une valeur donnée. Par exemple, si vous souhaitez éviter de rapporter les décimales de devise pour le chiffre d’affaires et qu’un produit génère 569,34 $, utilisez la formule CEILING(Revenue) pour arrondir le chiffre d’affaires au dollar le plus proche, soit 570 $.

Degré de confiance confidence

CONFIANCE(conteneur-normalisation, mesure-succès, contrôle, seuil-importance)

Calculez le degré de confiance valide à tout moment à l’aide de la méthode WASKR comme décrit dans Théorie des limites centrales uniformes dans le temps et séquences de confiance asymptotiques.

Le degré de confiance est une mesure probabiliste de l’ampleur des preuves sur le fait qu’une variante donnée est identique à la variante de contrôle. Un degré de confiance plus élevé indique moins de preuves relatives à l’hypothèse que la variante de contrôle et la variante de non-contrôle ont des performances similaires.

Confiance (inférieure) confidence-lower

CONFIANCE(conteneur-normalisation, mesure-succès, contrôle, seuil-importance)

Calculez le degré de confiance valide à tout moment inférieure à l’aide de la méthode WASKR comme décrit dans Théorie des limites centrales uniformes dans le temps et séquences de confiance asymptotiques.

Le degré de confiance est une mesure probabiliste de l’ampleur des preuves sur le fait qu’une variante donnée est identique à la variante de contrôle. Un degré de confiance plus élevé indique moins de preuves relatives à l’hypothèse que la variante de contrôle et la variante de non-contrôle ont des performances similaires.

Confiance (supérieure) confidence-upper

CONFIANCE(conteneur-normalisation, mesure-succès, contrôle, seuil-importance)

Calculez le degré de confiance valide à tout moment supérieure à l’aide de la méthode WASKR comme décrit dans Théorie des limites centrales uniformes dans le temps et séquences de confiance asymptotiques.

Le degré de confiance est une mesure probabiliste de l’ampleur des preuves sur le fait qu’une variante donnée est identique à la variante de contrôle. Un degré de confiance plus élevé indique moins de preuves relatives à l’hypothèse que la variante de contrôle et la variante de non-contrôle ont des performances similaires.

Cosinus cosine

CONSINUS(mesure)

[Ligne]{class="badge neutral"} Renvoie le cosinus de l’angle donné. Si l’angle est en degrés, multipliez l’angle par PI()/180.

Racine cubique cube-root

RACINE CUBIQUE(mesure)

Renvoie la racine cubique positive d’un nombre. La racine cubique d’un nombre est la valeur de ce nombre élevée à la puissance 1/3.

Cumulatif cumulative

CUMULATIF(nombre, mesure)

Renvoie la somme des n derniers éléments de la colonne x. Si n > 0, additionnez les n derniers éléments ou x. Si n < 0, additionnez les éléments précédents.

Exemples

Cumulé (moyenne) cumulative-average

MOYENNE CUMULÉE(nombre, mesure)

Renvoie la moyenne des n derniers éléments de la colonne x. Si n > 0, additionnez les n derniers éléments ou x. Si n < 0, additionnez les éléments précédents.

NOTE

Cette fonction ne fonctionne pas avec les mesures de taux comme le chiffre d’affaires par personne. La fonction effectue une moyenne des taux au lieu d’additionner les revenus sur les N derniers et d’additionner les personnes sur les N derniers puis de les diviser.
Utilisez plutôt CUMULATIF(chiffre d’affaires) CUMULATIF(personne).

Égal à equal

ÉGAL À()

Égal à. La sortie est soit 0 (false) soit 1 (true).

Exemple

Metric 1 = Metric 2

Régression exponentielle : coefficient de corrélation exponential-regression-correlation-coefficient

RÉGRESSION EXPONENTIELLE : COEFFICIENT DE CORRÉLATION(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression exponentielle : Y = b * exp(aX). Renvoie le coefficient de corrélation.

Régression exponentielle : Y prédit exponential-regression-predicted-y

RÉGRESSION EXPONENTIELLE : PRÉDITE Y(metric_X, metric_Y, include_zeros)

[Ligne]{class="badge neutral"} Régression exponentielle : Y = b * exp(aX). Renvoie Y.

Régression exponentielle : ordonnée à l’origine exponential-regression-intercept

RÉGRESSION EXPONENTIELLE : INTERCEPTER(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression exponentielle : Y = b * exp(aX). Renvoie b.

Régression exponentielle : inclinaison exponential-regression-slope

RÉGRESSION EXPONENTIELLE : PENTE(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression exponentielle : Y = b * exp(aX). Renvoie a.

Arrondi à l’inférieur floor

FLOOR(metric_X, metric_Y, include_zeros)

[Ligne]{class="badge neutral"} Renvoie l’entier le plus grand, non supérieur à une valeur donnée. Par exemple, si vous souhaitez éviter de rapporter les décimales de devise pour le chiffre d’affaires et qu’un produit génère 569,34 $, utilisez la formule FLOOR(Revenue) pour arrondir le chiffre d’affaires au dollar le plus proche, soit 569 $.

Supérieur à greather-than

SUPÉRIEUR À()

La sortie est soit 0 (false) soit 1 (true).

Exemple

Metric 1 > Metric 2

Supérieur ou égal à greater-than-or-equal

SUPÉRIEUR OU ÉGAL À()

Supérieur ou égal à. La sortie est soit 0 (false) soit 1 (true).

Exemple

Metric 1 >= Metric 2

Cosinus hyperbolique hyperbolic-cosine

COSINUS HYPERBOLIQUE(mesure)

[Ligne]{class="badge neutral"} Renvoie le cosinus hyperbolique d’un nombre.

Sinus hyperbolique hyperbolic-sine

SINUS HYPERBOLIQUE(mesure)

[Ligne]{class="badge neutral"} Renvoie le sinus hyperbolique d’un nombre.

Tangente hyperbolique hyperbolic-tangent

TANGENTE HYPERBOLIQUE(mesure)

[Ligne]{class="badge neutral"} Renvoie la tangente hyperbolique d’un nombre.

Si if

SI(logical_test, value_if_true, value_if_false)

[Ligne]{class="badge neutral"} Si la valeur du paramètre de condition est différente de zéro (true), le résultat est la valeur du paramètre value_if_true. Dans le cas contraire, il s’agit de la valeur du paramètre value_if_false.

Inférieur à less-than

INFÉRIEUR À()

La sortie est soit 0 (false) soit 1 (true).

Exemple

Metric 1 < Metric 2

Inférieur ou égal à less-than-or-equal

INFÉRIEUR OU ÉGAL À()

Inférieur ou égal à. La sortie est soit 0 (false) soit 1 (true).

Exemple

Metric 1 <= Metric 2

Effet élévateur lift

ÉLÉVATEUR(conteneur-normalisation, mesure-succès, contrôle)

Effet élévateur du ratio par rapport à la valeur de contrôle.

Régression linéaire : coefficient de corrélation linear-regression-correlation-coefficient

RÉGRESSION LINÉAIRE : COEFFICIENT DE CORRÉLATION(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression linéaire : Y = a X + b. Renvoie le coefficient de corrélation.

Régression linéaire : ordonnée à l’origine linear-regression-intercept

RÉGRESSION LINÉAIRE : INTERCEPTER(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression linéaire : Y = a X + b. Renvoie b.

Régression linéaire : Y prédit linear-regression-predicted-y

RÉGRESSION LINÉAIRE : PRÉDITE Y(metric_X, metric_Y, include_zeros)

[Ligne]{class="badge neutral"} Régression linéaire : Y = a X + b. Renvoie Y.

Régression linéaire : inclinaison linear-regression-slope

RÉGRESSION LINÉAIRE : PENTE(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression linéaire : Y = a X + b. Renvoie a.

Base logarithmique 10 log-base-ten

LOGARITHME BASE 10(mesure)

[Ligne]{class="badge neutral"} Renvoie le logarithme de base 10 d’un nombre.

Régression logarithmique : coefficient de corrélation log-regression-correlation-coefficient

RÉGRESSION LOGARITHMIQUE : COEFFICIENT DE CORRÉLATION(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression logarithmique : Y = a ln(X) + b. Renvoie le coefficient de corrélation.

Régression logarithmique : ordonnée à l’origine log-regression-intercept

RÉGRESSION LOGARITHMIQUE : INTERCEPTER(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression logarithmique : Y = a ln(X) + b. Renvoie b.

Régression logarithmique : Y prédit log-regression-predicted-y

RÉGRESSION LOGARITHMIQUE : PRÉDITE Y(metric_X, metric_Y, include_zeros)

[Ligne]{class="badge neutral"} Régression logarithmique : Y = a ln(X) + b. Renvoie Y.

Régression logarithmique : inclinaison log-regression-slope

RÉGRESSION LOGARITHMIQUE : PENTE(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression logarithmique : Y = a ln(X) + b. Renvoie a.

Logarithme népérien natural-log

LOGARITHME NÉPÉRIEN(mesure)

Renvoie le logarithme népérien d’un nombre. Les logarithmes népériens sont basés sur la constante e (2,71828182845904). LN est l’inverse de la fonction EXP.

Non not

NON(logique)

Négation en tant que booléen. La sortie est soit 0 (false) soit 1 (true).

Non égal à not-equal

DIFFÉRENT()

Non égal à. La sortie est soit 0 (false) soit 1 (true).

Exemple

Metric 1 != Metric 2

Ou or

OU(logical_test)

[Ligne]{class="badge neutral"} Disjonction. Non égal à zéro est considéré comme true et égal à zéro est considéré comme false. La sortie est soit 0 (false) soit 1 (true).

Pi pi

PI()

Renvoie Pi : 3,14159…

Régression puissance : coefficient de corrélation power-regression-correlation-coefficient

RÉGRESSION DE PUISSANCE : COEFFICIENT DE CORRÉLATION(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression de puissance : Y = b X ^ a. Renvoie le coefficient de corrélation.

Régression puissance : ordonnée à l’origine power-regression-intercept

RÉGRESSION DE PUISSANCE : INTERCEPTER(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression de puissance : Y = b X ^ a. Renvoie b.

Régression puissance : Y prédit power-regression-predicted-y

RÉGRESSION DE PUISSANCE : PRÉDITE Y(metric_X, metric_Y, include_zeros)

[Ligne]{class="badge neutral"} Régression de puissance : Y = b X ^ a. Renvoie Y.

Régression puissance : inclinaison power-regression-slope

RÉGRESSION DE PUISSANCE : PENTE(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression de puissance : Y = b X ^ a. Renvoie a.

Régression quadratique : coefficient de corrélation quadratic-regression-correlation-coefficient

RÉGRESSION QUADRATIQUE : COEFFICIENT DE CORRÉLATION(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression quadratique : Y = (a + bX) ^ 2. Renvoie le coefficient de corrélation.

Régression quadratique : ordonnée à l’origine quadratic-regression-intercept

RÉGRESSION QUADRATIQUE : INTERCEPTER(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression quadratique : Y = (a + bX) ^ 2. Renvoie a.

Régression quadratique : Y prédit quadratic-regression-predicted-y

RÉGRESSION QUADRATIQUE : PRÉDITE Y(metric_X, metric_Y, include_zeros)

[Ligne]{class="badge neutral"} Régression quadratique : Y = (a + bX) ^ 2. Renvoie Y.

Régression quadratique : inclinaison quadratic-regression-slope

RÉGRESSION QUADRATIQUE : PENTE(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression quadratique : Y = (a + bX) ^ 2. Renvoie b.

Régression réciproque : coefficient de corrélation reciprocal-regression-correlation-coefficient

RÉGRESSION RÉCIPROQUE : COEFFICIENT DE CORRÉLATION(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression réciproque : Y = a + b X ^ -1. Renvoie le coefficient de corrélation.

Régression réciproque : ordonnée à l’origine reciprocal-regression-intercept

RÉGRESSION RÉCIPROQUE : INTERCEPTER(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression réciproque : Y = a + b X ^ -1. Renvoie a.

Régression réciproque : Y prédit reciprocal-regression-predicted-y

RÉGRESSION RÉCIPROQUE : PRÉDITE Y(metric_X, metric_Y, include_zeros)

[Ligne]{class="badge neutral"} Régression réciproque : Y = a + b X ^ -1. Renvoie Y.

Régression réciproque : inclinaison reciprocal-regression-slope

RÉGRESSION RÉCIPROQUE : PENTE(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"} Régression réciproque : Y = a + b X ^ -1. Renvoie b.

Variance de l’échantillon sample-variance

VARIANCE D’ÉCHANTILLONNAGE(conteneur-normalisation, mesure-succès)

Calcule une estimation de la variance de l’échantillon à l’aide de la formule (sum(metric^2) / (N - 1)) - (sum(metric))^2/(N*(N-1)). où N est le nombre du conteneur de normalisation.
Ceci est utilisé dans le cadre des calculs de confiance valides à tout moment. En règle générale, cette fonction n’est pas utile seule, mais elle peut être utilisée pour vérifier les calculs ou pour effectuer des calculs de confiance manuellement.

Sinus sine

SINUS(mesure)

[Ligne]{class="badge neutral"} Renvoie le sinus de l’angle donné. Si l’angle est en degrés, multipliez l’angle par PI()/180.

Score normalisé t-score

SCORE NORMALISÉ(mesure, include_zeros)

Écart par rapport à la MOYENNE, divisé par l’écart type. Alias pour Score centré.

Test en t t-test

TEST EN T(mesure, degrés, queues)

Exécute un test t m-latéral avec un score-t de x et n degrés de liberté.

Détails

La signature est TEST EN T(mesure, degrés, queues). En dessous, il appelle simplement m CDF-T(-ABSOLUTE VALUE(tails), degrees). Cette fonction est similaire à la fonction TEST Z, qui exécute m CDF-Z(-ABSOLUTE VALUE(tails)).

La valeur renvoyée est la probabilité de voir la statistique de test x, étant donné les degrés de liberté et le nombre de queues.

Exemples

Tangente tangent

TANGENTE(mesure)

Renvoie la tangente de l’angle donné. Si l’angle est en degrés, multipliez l’angle par PI()/180.

Score centré z-score

SCORE CENTRÉ(mesure, include_zeros)

[Ligne]{class="badge neutral"} Écart par rapport à la moyenne divisé par l’écart-type.

Un score centré réduit de 0 (zéro) signifie que le score est le même que la moyenne. Un score centré réduit peut être positif ou négatif, indiquant s’il est au-dessus ou en-dessous de la moyenne et par quel nombre d’écarts types.

L’équation pour le score centré réduit est la suivante :

où x est le score brut, μ la moyenne de la population et σ l’écart type de la population.

Test Z z-test

TEST Z(metric_tails)

Exécute un test z n-latéral avec un score-z de x.