Funciones avanzadas

El Creador de métricas calculadas permite aplicar funciones estadísticas y matemáticas. En este artículo se describe una lista alfabética de las funciones y sus definiciones.

Para obtener acceso a estas funciones, seleccione Mostrar todo debajo de la lista Funciones en el panel Componentes. Desplácese hacia abajo para ver la lista de Funciones avanzadas.

Funciones de tabla en comparación con funciones de fila

Una función de tabla es una en la que el resultado es el mismo para cada fila de la tabla. Una función de fila es una en la que el resultado es diferente para cada fila de la tabla.

Cuando sea aplicable y relevante, una función se anota con el tipo de función: [Tabla]{class="badge neutral"} o [Fila]{class="badge neutral"}

¿Qué significa el parámetro include-zeros?

Indica si se incluyen ceros en el cálculo. En algunas ocasiones cero significa nada, pero en ocasiones es importante.

Por ejemplo, si tiene una métrica Ingresos y, a continuación, agrega una métrica Vistas de página al informe, de repente hay más filas para sus ingresos, todas con valor de cero. Probablemente, no quiera que esa métrica adicional afecte a ninguna MEDIA, MÍNIMO DE FILA, CUARTIL y más cálculos que tenga en la columna de ingresos. En este caso, comprobaría el parámetro include-zeros.

Un escenario alternativo es que tiene dos métricas de interés y una tiene un promedio o un mínimo más alto porque algunas de las filas son ceros. En ese caso, puede optar por no marcar el parámetro para incluir ceros

Y and

AND(logical_test)

Conjunción. No es igual a cero se considera verdadero y es igual a cero se considera falso. El resultado es 0 (falso) o 1 (verdadero).

Recuento aproximado distinto approximate_count_distinct

APPROXIMATE COUNT DISTINCT (dimension)

Devuelve el recuento aproximado distinto de elementos de dimensión para la dimensión seleccionada.

Ejemplo

Un caso de uso común para esta función es cuando desea obtener un número aproximado de clientes.

Arcocoseno arc-cosine

ARC COSINE(metric)

[Fila]{class="badge neutral"} Devuelve el arco coseno, o la inversa del coseno, de una métrica. El arcocoseno es el ángulo cuyo coseno es el número. El ángulo devuelto se indica en radianes en el intervalo de 0 (cero) a pi. Si desea convertir el resultado de radianes a grados, multiplíquelo por 180/PI().

Arcoseno arc-sine

ARC SINE(metric)

[Fila]{class="badge neutral"} Devuelve el arco seno o seno inverso de un número. El arcoseno es el ángulo cuyo seno es un número. El ángulo devuelto se indica en radianes en el intervalo -pi/2 a pi/2. Para expresar el arco seno en grados, multiplique el resultado por 180/PI().

Arcotangente arc-tangent

  ARC TANGENT(metric)

[Fila]{class="badge neutral"} Devuelve el arco tangente, o la tangente inversa, de un número. El arcotangente es el ángulo cuya tangente es un número. El ángulo devuelto se indica en radianes en el intervalo -pi/2 a pi/2. Para expresar el arcotangente en grados, multiplique el resultado por 180/PI().

Cdf-T cdf-t

CDF-T(metric, number)

Devuelve la probabilidad de que una variable aleatoria con una distribución de estudiante t con n grados de libertad tenga una puntuación z inferior a col.

Ejemplo

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(metric, number)

Devuelve la probabilidad de que una variable aleatoria con una distribución normal tenga una puntuación z inferior al valor de col.

Ejemplos

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

Límite superior ceiling

  CEILING(metric)

[Fila]{class="badge neutral"} Devuelve el menor entero igual o mayor que un valor determinado. Por ejemplo, si desea evitar los decimales en una moneda de un informe para los ingresos y un producto tiene el valor de 569,34 $, utilice la fórmula LÍMITE SUPERIOR(Ingresos) para redondear hacia arriba al dólar más próximo o 570 $.

Confianza confidence

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

Calcule la confianza válida en cualquier momento utilizando el método WASKR como se describe en Teoría del límite central uniforme en el tiempo y secuencias de confianza asintótica.

La confianza es una medida probabilística del grado de evidencia de que una variante determinada sea la misma que la variante de control. Una mayor confianza indica menos evidencia para el supuesto de que la variante de control y la que no es de control tienen un rendimiento igual.

Confianza (inferior) confidence-lower

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

Calcule la confianza válida en cualquier momento inferior utilizando el método WASKR como se describe en Teoría del límite central uniforme en el tiempo y secuencias de confianza asintótica.

La confianza es una medida probabilística del grado de evidencia de que una variante determinada sea la misma que la variante de control. Una mayor confianza indica menos evidencia para el supuesto de que la variante de control y la que no es de control tienen un rendimiento igual.

Confianza (superior) confidence-upper

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

Calcule la confianza válida en cualquier momento superior utilizando el método WASKR como se describe en Teoría del límite central uniforme en el tiempo y secuencias de confianza asintótica.

La confianza es una medida probabilística del grado de evidencia de que una variante determinada sea la misma que la variante de control. Una mayor confianza indica menos evidencia para el supuesto de que la variante de control y la que no es de control tienen un rendimiento igual.

Coseno cosine

  COSINE(métrica)

[Fila]{class="badge neutral"} Devuelve el coseno del ángulo dado. Si el ángulo se expresa en grados, multiplique el ángulo por PI()/180.

Raíz cúbica cube-root

CUBE ROOT(metric)

Devuelve la raíz cúbica positiva de un número. La raíz cúbica de un número es el valor de ese número elevado a la potencia de 1/3.

Acumulativo cumulative

CUMULATIVE(number, metric)

Devuelve la suma de los últimos n elementos de la columna x. Si n > 0, sume los últimos n elementos o x. Si n < 0, sume los elementos precedentes.

Ejemplos

Acumulativo (promedio) cumulative-average

CUMULATIVE AVERAGE(number, metric)

Devuelve el promedio de los últimos n elementos de la columna x. Si n > 0, sume los últimos n elementos o x. Si n < 0, sume los elementos precedentes.

NOTE

Esta función no funciona con métricas de tarifa, como los ingresos por persona. La función promedia los porcentajes en lugar de sumar los ingresos durante los últimos N y sumar las personas durante los últimos N y luego dividirlas.
En su lugar, use CUMULATIVE(revenue)     CUMULATIVE(person).

Igual equal

EQUAL()

Igual. El resultado es 0 (falso) o 1 (verdadero).

Ejemplo

Metric 1 = Metric 2

Regresión exponencial: coeficiente de correlación exponential-regression-correlation-coefficient

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

[Tabla]{class="badge neutral"} Regresión exponencial: Y = a exp(X) + b. Devuelve el coeficiente de correlación.

Regresión exponencial: predicción Y exponential-regression-predicted-y

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

[Fila]{class="badge neutral"} Regresión exponencial: Y = a exp(X) + b. Devuelve Y.

Regresión exponencial: intersección exponential-regression-intercept

  EXPONENTIAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabla]{class="badge neutral"} Regresión exponencial: Y = a exp(X) + b. Devuelve b.

Regresión exponencial: pendiente exponential-regression-slope

EXPONENTIAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabla]{class="badge neutral"} Regresión exponencial: Y = a exp(X) + b. Devuelve a.

Límite mínimo floor

FLOOR(metric_X, metric_Y, include_zeros)

[Fila]{class="badge neutral"} Devuelve el mayor entero igual o menor a un valor determinado. Por ejemplo, si desea evitar los decimales en una moneda de un informe para los ingresos y un producto tiene el valor de 569,34 $, utilice la fórmula LÍMITE MÍNIMO(Ingresos) para redondear hacia abajo al dólar más próximo o 569 $.

Mayor que greather-than

GREATER()

El resultado es 0 (falso) o 1 (verdadero).

Ejemplo

Metric 1 > Metric 2

Mayor o igual que greater-than-or-equal

GREATER THAN OR EQUAL()

Mayor o igual que. El resultado es 0 (falso) o 1 (verdadero).

Ejemplo

Metric 1 >= Metric 2

Coseno hiperbólico hyperbolic-cosine

  HYPERBOLIC COSINE(métrica)

[Fila]{class="badge neutral"} Devuelve el coseno hiperbólico de un número.

Seno hiperbólico hyperbolic-sine

  HYPERBOLIC SINE(metric)

[Fila]{class="badge neutral"} Devuelve el seno hiperbólico de un número.

Tangente hiperbólica hyperbolic-tangent

HYPERBOLIC TANGENT(metric)

[Fila]{class="badge neutral"} Devuelve la tangente hiperbólica de un número.

Si if

  IF(logical_test, value_if_true, value_if_false)

[Fila]{class="badge neutral"} Si el valor del parámetro de condición no es cero (true), el resultado es el valor del parámetro value_if_true. De lo contrario, es el valor del parámetro value_if_false.

Menor que less-than

LESS THAN()

El resultado es 0 (falso) o 1 (verdadero).

Ejemplo

Metric 1 < Metric 2

Menor o igual que less-than-or-equal

LESS THAN OR EQUAL()

Menor o igual que. El resultado es 0 (falso) o 1 (verdadero).

Ejemplo

Metric 1 <= Metric 2

Alza lift

ALZA(contenedor de normalización, métrica de éxito, control)

El alza de la proporción comparada con el valor de control.

Regresión lineal: coeficiente de correlación linear-regression-correlation-coefficient

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

[Tabla]{class="badge neutral"} Regresión lineal: Y = a X + b. Devuelve el coeficiente de correlación.

Regresión lineal: intersección linear-regression-intercept

LINEAR REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabla]{class="badge neutral"} Regresión lineal: Y = a X + b. Devuelve b.

Regresión lineal: predicción Y linear-regression-predicted-y

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

[Fila]{class="badge neutral"} Regresión lineal: Y = a X + b. Devuelve Y.

Regresión lineal: pendiente linear-regression-slope

  LINEAR REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabla]{class="badge neutral"} Regresión lineal: Y = a X + b. Devuelve a.

Log base 10 log-base-ten

LOG BASE 10(metric)

[Fila]{class="badge neutral"} Devuelve el logaritmo en base 10 de un número.

Regresión logística: coeficiente de correlación log-regression-correlation-coefficient

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

[Tabla]{class="badge neutral"} Regresión de registro: Y = a ln(X) + b. Devuelve el coeficiente de correlación.

Regresión logística: intersección log-regression-intercept

LOG REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabla]{class="badge neutral"} Regresión de registro: Y = a ln(X) + b. Devuelve b.

Regresión logística: predicción Y log-regression-predicted-y

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

[Fila]{class="badge neutral"} Regresión de registro: Y = a ln(X) + b. Devuelve Y.

Regresión logística: pendiente log-regression-slope

LOG REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabla]{class="badge neutral"} Regresión de registro: Y = a ln(X) + b. Devuelve a.

Logaritmo natural natural-log

NATURAL LOG(metric)

Devuelve el logaritmo natural de un número. Los logaritmos naturales se basan en la constante e (2,71828182845904). LN es el inverso de la función EXP.

No not

NO(logical)

Negación como booleano. El resultado es 0 (falso) o 1 (verdadero).

No es igual not-equal

NOT EQUAL()

No es igual. El resultado es 0 (falso) o 1 (verdadero).

Ejemplo

Metric 1 != Metric 2

O bien or

OR(logical_test)

Disyunción [Row]{class="badge neutral"}. No es igual a cero se considera verdadero y es igual a cero se considera falso. El resultado es 0 (falso) o 1 (verdadero).

Pi pi

PI()

Devuelve Pi: 3,14159…

Regresión potencial: coeficiente de correlación power-regression-correlation-coefficient

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

[Tabla]{class="badge neutral"} Regresión potencial: Y = b X ^ a. Devuelve el coeficiente de correlación.

Regresión potencial: intersección power-regression-intercept

POWER REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabla]{class="badge neutral"} Regresión potencial: Y = b X ^ a. Devuelve b.

Regresión potencial: predicción Y power-regression-predicted-y

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

[Fila]{class="badge neutral"} Regresión potencial: Y = b X ^ a. Devuelve Y.

Regresión potencial: pendiente power-regression-slope

POWER REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabla]{class="badge neutral"} Regresión potencial: Y = b X ^ a. Devuelve a.

Regresión cuadrática: coeficiente de correlación quadratic-regression-correlation-coefficient

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

[Tabla]{class="badge neutral"} Regresión cuadrática: Y = (a + bX) ^ 2, Devuelve el coeficiente de correlación.

Regresión cuadrática: intersección quadratic-regression-intercept

QUADRATIC REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabla]{class="badge neutral"} Regresión cuadrática: Y = (a + bX) ^ 2, Devuelve a.

Regresión cuadrática: predicción Y quadratic-regression-predicted-y

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

[Fila]{class="badge neutral"} Regresión cuadrática: Y = (a + bX) ^ 2, Devuelve Y.

Regresión cuadrática: pendiente quadratic-regression-slope

QUADRATIC REGRESSION: SLOPE(metric_X, metric_Y, include_zeros

[Tabla]{class="badge neutral"} Regresión cuadrática: Y = (a + bX) ^ 2, Devuelve b.

Regresión recíproca: coeficiente de correlación reciprocal-regression-correlation-coefficient

RECIPROCAL REGRESSION: CORRELATION COEFFICIENT(metric_X, metric_Y, include_zeros

[Tabla]{class="badge neutral"} Regresión recíproca: Y = a + b X ^ -1. Devuelve el coeficiente de correlación.

Regresión recíproca: intersección reciprocal-regression-intercept

RECIPROCAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabla]{class="badge neutral"} Regresión recíproca: Y = a + b X ^ -1. Devuelve a.

Regresión recíproca: predicción Y reciprocal-regression-predicted-y

RECIPROCAL REGRESSION: PREDICTED Y(metric_X, metric_Y, include_zeros

[Fila]{class="badge neutral"} Regresión recíproca: Y = a + b X ^ -1. Devuelve Y.

Regresión recíproca: pendiente reciprocal-regression-slope

RECIPROCAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros

[Tabla]{class="badge neutral"} Regresión recíproca: Y = a + b X ^ -1. Devuelve b.

Varianza de muestra

VARIACIÓN DE MUESTRA(contenedor de normalización, métrica de éxito)

Calcula una estimación de la varianza de la muestra.

Seno sine

SINE(metric)

[Fila]{class="badge neutral"} Devuelve el seno del ángulo dado. Si el ángulo se expresa en grados, multiplique el ángulo por PI()/180.

Puntuación T t-score

  T-SCORE(metric, include_zeros)

La desviación de la MEDIA, dividida por la desviación estándar. Alias de la puntuación Z.

Prueba T t-test

T-TEST(metric, degrees, tails

Realiza una prueba t de cola m con una puntuación t de x y n grados de libertad.

Detalles

La firma es T-TEST (metric, degrees, tails). Debajo, simplemente llama a m CDF-T(-ABSOLUTE VALUE(tails), degrees). Esta función es similar a la función PRUEBA_Z, que ejecuta m CDF-Z(-ABSOLUTE VALUE(tails)).

El valor de retorno es la probabilidad de ver la estadística test x dados los grados de libertad y el número de colas.

Ejemplos

Tangente tangent

  TANGENT(metric)

Devuelve la tangente del ángulo determinado. Si el ángulo se expresa en grados, multiplique el ángulo por PI()/180.

Puntuación Z z-score

Z-SCORE(metric, include_zeros)

[Fila]{class="badge neutral"} La desviación de la media dividida por la desviación estándar.

Una puntuación Z de 0 (cero) significa que la puntuación es la misma que la media. Una variable estandarizada puede ser positiva o negativa, lo cual indica si está por encima o por debajo de la media y a cuantas desviaciones estándar.

La ecuación de variable estandarizada es:

donde x es la puntuación sin procesar, μ es la media de población y σ es la desviación estándar de la población.

Prueba Z z-test

Z-TEST(metric_tails)

Realiza una prueba z de cola n con una puntuación z de x.