Referencia: funciones avanzadas

Seleccione Mostrar avanzadas para acceder a estas funciones en la lista desplegable Funciones.

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.

¿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 desea que esto afecte a ningún valor MEAN, MIN, QUARTILE, etc. los cálculos que tiene en la columna de ingresos. En este caso, debería marcar el parámetro para incluir ceros.

Por otra parte, si tiene dos métricas en las que está interesado, puede que no sea justo afirmar que una tiene una media superior o mínima porque algunas de sus filas eran ceros, por lo que no debería marcar el parámetro para incluir ceros.

AND

Devuelve el valor de su argumento. Utilice NOT para asegurarse de que un valor no es igual a un valor en concreto.

AND(logical_test1,[logical_test2],...)

Número aproximado de elementos distintos (dimensión)

Devuelve el número aproximado de elementos distintos de dimensiones para la dimensión seleccionada. Esta función usa el método HyperLogLog (HLL) de números aproximados de elementos distintos.  Está configurada para garantizar que el valor se encuentre en el 5 % del 95 % del valor actual del tiempo.

Approximate Count Distinct (dimension)

Caso práctico de ejemplo

El número aproximado de elementos distintos (eVar del ID del cliente) es un caso práctico común para esta función.

Definición para una nueva métrica calculada “Clientes aproximados”:

Así es como se podría usar la métrica “Clientes aproximados” en un informe:

Comparación de funciones de recuento

La función Approximate Count Distinct() es una mejora de las funciones Count() y RowCount() porque la métrica que se crea puede usarse en cualquier informe dimensional para representar un número aproximado de elementos para una dimensión distinta. Por ejemplo, un recuento de los ID de cliente que se usan en un informe sobre tipos de dispositivos móviles.

Esta función será ligeramente menos precisa que Count() y RowCount() porque usa el método HLL, mientras que Count() y RowCount() son recuentos exactos.

Arcocoseno (Fila)

Devuelve el arcocoseno o la inversa del coseno de una métrica. El arcocoseno es el ángulo cuyo coseno es un número. El ángulo devuelto se da en radianes dentro del rango de 0 (cero) a pi. Si desea convertir el resultado de radianes a grados, multiplíquelo por 180/PI( ).

ACOS(metric)

Arcoseno (Fila)

Devuelve el arcoseno o la inversa del seno de un número. El arcoseno es el ángulo cuyo seno es un número. El ángulo devuelto se da en radianes dentro del rango de -pi/2 a pi/2. Para expresar el arcoseno en grados, multiplique el resultado por 180/PI( ).

ASIN(metric)

Arcotangente (Fila)

Devuelve el arcotangente o la inversa de la tangente de un número. El arcotangente es el ángulo cuya tangente es un número. El ángulo devuelto se da en radianes dentro del rango de -pi/2 a pi/2. Para expresar el arcotangente en grados, multiplique el resultado por 180/PI( ).

ATAN(metric)

Regresión exponencial: Y predicha (Fila)

Calcula los valores Y predichos (metric_Y), dados los valores x conocidos (metric_X) usando el método de "mínimos cuadrados" para calcular la línea que mejor se ajusta según la fórmula.

ESTIMATE.EXP(metric_X, metric_Y)

Cdf-T

Devuelve el porcentaje de valores en una distribución t de Student con n grados de libertad que tiene un valor z inferior al de x.

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

Devuelve el porcentaje de valores en una distribución normal que tienen un valor de z inferior al valor de x.

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

Techo (Fila)

Devuelve el menor entero igual o mayor que un valor determinado. Por ejemplo, si desea evitar los decimales en una moneda de un informe en los ingresos y un producto tiene el valor de 569,34 $, utilice la fórmula CEILING(Ingresos) para redondear hacia arriba al dólar más próximo o 570 $.

CEILING(metric)

Confianza

Confianza: es una medida probabilística de cuánta evidencia existe de que una variante determinada es la misma que la 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.

fx Confidence (normalizing-container, success-metric, control, significance-threshold)

Coseno (Fila)

Devuelve el coseno de un ángulo determinado. Si el ángulo es en grados, multiplique el ángulo por PI( )/180.

COS(metric)

Raíz cúbica

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

CBRT(metric)

Acumulativo

Devuelve la suma de X para las últimas N filas (según lo solicite la dimensión, utilizando valores hash para los campos basados en cadenas).

Si N <= 0 utiliza todas las filas anteriores. Como se ordena por la dimensión, solo resulta útil en dimensiones que tienen un orden natural como la fecha o la longitud de ruta.

| Date | Rev  | cumul(0,Rev) | cumul(2,Rev) |
|------+------+--------------+--------------|
| May  | $500 | $500         | $500         |
| June | $200 | $700         | $700         |
| July | $400 | $1100        | $600         |

Media acumulada

Devuelve el promedio de las últimas N filas.

Si N <= 0 utiliza todas las filas anteriores. Como se ordena por la dimensión, solo resulta útil en dimensiones que tienen un orden natural como la fecha o la longitud de ruta.

cumul(revenue)/cumul(person)

Igual

Devuelve elementos que coinciden exactamente con un valor numérico o de cadena.

Regresión exponencial: coeficiente de correlación (Tabla)

Devuelve el coeficiente de correlación, r, entre dos columnas de métricas (metric_A y metric_B) en la ecuación de regresión.

CORREL.EXP(metric_X, metric_Y)

Regresión exponencial: intersección (Tabla)

Devuelve la intersección, b, entre dos columnas de métricas (metric_X y metric_Y) para

INTERCEPT.EXP(metric_X, metric_Y)

Regresión exponencial: pendiente (Tabla)

Devuelve la pendiente, a, entre dos columnas de métricas (metric_X y metric_Y) para

SLOPE.EXP(metric_X, metric_Y)

Suelo (Fila)

Devuelve el mayor entero igual o menor a un valor determinado. Por ejemplo, si desea evitar los decimales en una moneda de un informe en los ingresos y un producto tiene el valor de 569,34 $, utilice la fórmula FLOOR(Revenue) para redondear hacia arriba al dólar más próximo o 569 $.

FLOOR(metric)

Mayor que

Devuelve elementos cuyo recuento numérico sea mayor que el valor introducido.

Mayor o igual que

Devuelve elementos cuyo recuento numérico sea mayor o igual que el valor introducido.

Coseno hiperbólico (Fila)

Devuelve el coseno hiperbólico de un número.

COSH(metric)

Seno hiperbólico (Fila)

Devuelve el seno hiperbólico de un número.

SINH(metric)

Tangente hiperbólica (Fila)

Devuelve la tangente hiperbólica de un número.

TANH(metric)

IF (Fila)

La función IF devuelve un valor si una condición que haya especificada se evalúa como TRUE y otro valor si esa condición se evalúa como FALSE.

IF(logical_test, [value_if_true], [value_if_false])

Menor que

Devuelve elementos cuyo recuento numérico sea menor que el valor introducido.

Menor o igual que

Devuelve elementos cuyo recuento numérico sea menor o igual que el valor introducido.

Alza

Devuelve el alza que una variante en particular tenía en las conversiones sobre una variante de control. Es la diferencia de rendimiento entre una variante determinada y la línea de base, dividida por el rendimiento de la línea de base, expresada como porcentaje.

fx Lift (normalizing-container, success-metric, control)

Regresión lineal: coeficiente de correlación

Y = a X + b. Devuelve el coeficiente de correlación.

Regresión lineal: intercepción

Y = a X + b. Devuelve b.

Regresión lineal: Y predicha

Y = a X + b. Devuelve Y.

Regresión lineal: pendiente

Y = a X + b. Devuelve a.

Logaritmo decimal (Fila)

Devuelve el logaritmo decimal de un número.

LOG10(metric)

Regresión logarítmica: coeficiente de correlación (Tabla)

Devuelve el coeficiente de correlación, r, entre dos columnas de métricas (metric_X y metric_Y) en la ecuación de regresión Y = a ln(X) + b. Se calcula mediante la ecuación CORREL.

CORREL.LOG(metric_X,metric_Y)

Regresión logarítmica: intersección (Tabla)

Devuelve la intersección b como la regresión con menos cuadrados entre dos columnas de métricas (metric_X y metric_Y) para la ecuación de regresión Y = a ln(X) + b. Se calcula mediante la ecuación INTERCEPT.

INTERCEPT.LOG(metric_X, metric_Y)

Regresión de registro: Y predicha (fila)

Calcula los valores y predichos (metric_Y), dados los valores x conocidos (metric_X) con el método de "menos cuadrados" para calcular la mejor opción basándose en Y = a ln(X) + b. Se calcula mediante la ecuación ESTIMATE.

En el análisis de regresión, esta función calcula los valores y predichos (metric_Y), dados los valores x conocidos (metric_X) usando el logaritmo para calcular la mejor opción para la ecuación de regresión Y = a ln(X) + b. Los valores a se corresponden con cada valor x y b es un valor constante.

ESTIMATE.LOG(metric_X, metric_Y)

Regresión logarítmica: pendiente (Tabla)

Devuelve la pendiente, a, entre dos columnas de métricas (metric_X y metric_Y) en la ecuación de regresión Y = a ln(X) + b. Se calcula mediante la ecuación SLOPE.

SLOPE.LOG(metric_A, metric_B)

Logaritmo natural

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

LN(metric)

NOT

Devuelve 1 si el número es 0 o devuelve 0 si es otro número.

NOT(logical)

Si utiliza NOT, es necesario conocer si las expresiones (<, >, =, <> , etc.) devuelven valores 0 o 1.

Distinto a

Devuelve todos los elementos que no contienen la coincidencia exacta del valor introducido.

O (Fila)

Devuelve TRUE si algún argumento es TRUE o devuelve FALSE si todos los argumentos son FALSE.

OR(logical_test1,[logical_test2],...)

Pi

Devuelve la constante PI, 3,14159265358979, con una precisión de 15 dígitos.

PI()

La función PI no tiene argumentos.

Regresión potencial: coeficiente de correlación (Tabla)

Devuelve el coeficiente de correlación, r, entre dos columnas de métricas (metric_X y metric_Y) para Y = b*X.

CORREL.POWER(metric_X, metric_Y)

Regresión potencial: intersección (Tabla)

Devuelve la intersección, b, entre dos columnas de métricas (metric_X y metric_Y) para Y = b*X.

 INTERCEPT.POWER(metric_X, metric_Y)

Regresión potencial: Y predicha (Fila)

Calcula los valores y predichos (metric_Y), dados los valores x conocidos (metric_X) utilizando el método de “menos cuadrados” para calcular la mejor opción de línea para Y = b*X.

 ESTIMATE.POWER(metric_X, metric_Y)

Regresión potencial: pendiente (Tabla)

Devuelve la pendiente, a, entre dos columnas de métricas (metric_X y metric_Y) para Y = b*Xa.

SLOPE.POWER(metric_X, metric_Y)

Regresión cuadrática: coeficiente de correlación (Tabla)

Devuelve el coeficiente de correlación r, entre dos columnas de métricas (metric_X y metric_Y) para Y=(a*X+b)​ ​.

CORREL.QUADRATIC(metric_X, metric_Y)

Regresión cuadrática: intersección (Tabla)

Devuelve la intersección, b, entre dos columnas de métricas (metric_X y metric_Y) para Y=(a*X+b)​ ​.

INTERCEPT.POWER(metric_X, metric_Y)

Regresión cuadrática: Y predicha (Fila)

Calcula los valores y predichos (metric_Y), dados los valores x conocidos (metric_X) utilizando el método de los menos cuadrados para calcular la mejor opción de línea para Y=(a*X+b)​ ​.

ESTIMATE.QUADRATIC(metric_A, metric_B)

Regresión cuadrática: pendiente (Tabla)

Devuelve la pendiente, a, entre dos columnas de métricas (metric_X y metric_Y) para Y=(a*X+b)​ ​.

SLOPE.QUADRATIC(metric_X, metric_Y)

Regresión recíproca: coeficiente de correlación (Tabla)

Devuelve el coeficiente de correlación, r, entre dos columnas de métricas (metric_X y metric_Y) para Y = a/X+b.

CORREL.RECIPROCAL(metric_X, metric_Y)

Regresión recíproca: intersección (Tabla)

Devuelve la intersección, b, entre dos columnas de métricas (metric_X y metric_Y) para Y = a/X+b.

INTERCEPT.RECIPROCAL(metric_A, metric_B)

Regresión recíproca: Y predicha (Fila)

Calcula los valores y predichos (metric_Y), dados los valores x conocidos (metric_X) utilizando el método de los menos cuadrados para calcular la mejor opción de línea para Y = a/X+b.

ESTIMATE.RECIPROCAL(metric_X, metric_Y)

Regresión recíproca: pendiente (Tabla)

Devuelve la pendiente, a, entre dos columnas de métricas (metric_X y metric_Y) para Y = a/X+ba.

SLOPE.RECIPROCAL(metric_X, metric_Y)

Seno (Fila)

Devuelve el seno de un ángulo determinado. Si el ángulo es en grados, multiplique el ángulo por PI( )/180.

SIN(metric)

Unidad tipificada

Es el nombre por el que también se conoce una variable estandarizada, concretamente, la desviación de la media dividida por la desviación estándar.

Prueba T

Realiza una prueba T con una distribución m con una unidad tipificada de col y n grados de libertad.

La firma es t_test( x, n, m ). Debajo, simplemente llama m*cdf_t(-abs(x),n). (esto es similar a la función z-test que ejecuta m*cdf_z(-abs(x)).

Aquí, m es la cantidad de colas y n, los grados de la libertad. Estos deben ser números (constantes en todo el informe, es decir, que no se modifiquen de fila a fila).

X es la estadística t-test y es normalmente una fórmula (por ejemplo, zscore) basada en una métrica y se evaluará en cada fila.

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

Devuelve la tangente de un ángulo determinado. Si el ángulo es en grados, multiplique el ángulo por PI( )/180.

TAN (metric)

Variable estandarizada (Fila)

Devuelve la variable estandarizada, o una puntuación normal, basada en una distribución normal. La variable estandarizada es el número de desviaciones estándar a las que se encuentra una observación con respecto a la media. Una variable estandarizada 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.

Puntuación Z(métrica)

Prueba Z

Realiza una prueba Z con una distribución n con una variable estandarizada de A.

Devuelve la probabilidad de que la fila actual pueda verse por casualidad en la columna.