Fonctions avancées

Le créateur de mesures calculées vous permet d’appliquer des fonctions statistiques et mathématiques. Cet article présente la liste alphabétique des fonctions avancées et 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, une fonction est annotée avec le type de fonction : [Tableau]{class="badge informative"}.{type=“Neutral”}[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 vérifier le paramètre pour inclure des zéros.

Et and

AND(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 distinct approximatif d’éléments de dimension pour la dimension sélectionnée.

Exemple

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

Arc cosinus arc-cosine

ARC COSINUS(metric)

[Ligne]{class="badge neutral"}

Arc sinus arc-sine

ARC SINUS(metric)

[Ligne]{class="badge neutral"}

Arc tangente arc-tangent

ARC TANGENT(metric)

[Ligne]{class="badge neutral"}

Cdf-T cdf-t

CDF-T(métrique, 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(métrique)

[Ligne]{class="badge neutral"}

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

COSINUS(metric)

[Ligne]{class="badge neutral"}

Racine cubique cube-root

RACINE CUBE(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.

Cumulé 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 les recettes par personne. La fonction effectue une moyenne des taux au lieu de additionner les revenus sur les N derniers et additionner les personnes sur les N derniers puis de les diviser.
Utilisez plutôt CUMULATIF(chiffre d’affaires) CUMULATIF(personne).

equal (égal à) equal

ÉGAL()

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 prédit exponential-regression-predicted-y

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

[Ligne]{class="badge neutral"}

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

RÉGRESSION EXPONENTIELLE : INTERCEPT(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"}

Régression exponentielle : inclinaison exponential-regression-slope

RÉGRESSION EXPONENTIELLE : SLOPE(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"}

Arrondi à l’inférieur floor

FLOOR(metric_X, metric_Y, include_zeros)

[Ligne]{class="badge neutral"}

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()

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

Exemple

Metric 1 >= Metric 2

Cosinus hyperbolique hyperbolic-cosine

COSINUS HYPERBOLIQUE(métrique)

[Ligne]{class="badge neutral"}

Sinus hyperbolique hyperbolic-sine

SINUS HYPERBOLIQUE(métrique)

[Ligne]{class="badge neutral"}

Tangente hyperbolique hyperbolic-tangent

TANGENTE HYPERBOLIQUE(métrique)

[Ligne]{class="badge neutral"}

Si la variable if

IF(logical_test, value_if_true, value_if_false)

[Ligne]{class="badge neutral"}

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)

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 : ordonnée à l’origine linear-regression-intercept

RÉGRESSION LINÉAIRE : INTERCEPT(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"}

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

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

[Ligne]{class="badge neutral"}

Régression linéaire : inclinaison linear-regression-slope

RÉGRESSION LINÉAIRE : PENTE(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"}

Base logarithmique 10 log-base-ten

LOG BASE 10(metric)

[Ligne]{class="badge neutral"}

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

RÉGRESSION DU LOG : COEFFICIENT DE CORRÉLATION(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"}

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

RÉGRESSION DU JOURNAL : INTERCEPT(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"}

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

RÉGRESSION DU JOURNAL : PRÉDITE Y(metric_X, metric_Y, include_zeros)

[Ligne]{class="badge neutral"}

Régression logarithmique : inclinaison log-regression-slope

RÉGRESSION DU LOG : SLOPE(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"}

Logarithme népérien natural-log

LOG NATUREL(metric)

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.

Pas 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"}

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

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

[Tableau]{class="badge neutral"}

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

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

[Ligne]{class="badge neutral"}

Régression puissance : inclinaison power-regression-slope

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

[Tableau]{class="badge neutral"}

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 : ordonnée à l’origine quadratic-regression-intercept

RÉGRESSION QUADRATIQUE : INTERCEPT(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"}

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

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

[Ligne]{class="badge neutral"}

Régression quadratique : inclinaison quadratic-regression-slope

RÉGRESSION QUADRATIQUE : SLOPE(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"}

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 : ordonnée à l’origine reciprocal-regression-intercept

RÉGRESSION RÉCIPROQUE : INTERCEPT(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"}

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

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

[Ligne]{class="badge neutral"}

Régression réciproque : inclinaison reciprocal-regression-slope

RÉGRESSION RÉCIPROQUE : SLOPE(metric_X, metric_Y, include_zeros)

[Tableau]{class="badge neutral"}

Sinus sine

SINUS(métrique)

[Ligne]{class="badge neutral"}

Score normalisé t-score

T-SCORE(metric, include_zeros)

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

Test en t t-test

TEST-T(mesure, degrés, queues)

Exécute un test en t m-latéral avec un score normalisé de col et n degrés de liberté.

Détails

La signature est T-TEST (mesure, degrés, queues). En dessous, il appelle simplement m CDF-T(-ABSOLUTE VALUE(tails), degrees). Cette fonction est similaire à la fonction Z-TEST, qui s’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(métrique)

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

Score centré z-score

Z-SCORE(metric, include_zeros)

[Ligne]{class="badge neutral"}

Un Z-score de 0 (zéro) implique 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 est la moyenne de la population et σ est l’écart type de la population.

Test Z z-test

Z-TEST(metric_tails)

Exécute un test Z n-latéral avec un score centré de x.