Funzioni avanzate

Il Generatore di metriche calcolate consente di applicare funzioni statistiche e matematiche. Questo articolo documenta l’elenco alfabetico delle funzioni avanzate e delle relative definizioni.

Accedi a queste funzioni selezionando Show all sotto l'elenco Functions nel pannello Componenti. Scorrere verso il basso per visualizzare l'elenco di Advanced functions.

Funzioni tabella e funzioni riga

Una funzione tabella è una funzione in cui l’output è lo stesso per ogni riga della tabella. Una funzione riga è una funzione in cui l’output è diverso per ogni riga della tabella.

Se applicabile e pertinente, una funzione viene annotata con il tipo di funzione: [Tabella]{class="badge neutral"}[Riga]{class="badge neutral"}

Che cosa significa il parametro include-zeros?

Il parametro indica se includere gli zeri all’interno del calcolo. Talvolta lo zero non ha alcun significato, ma in determinate occasioni può risultare importante.

Ad esempio, se hai una metrica Revenue (Entrate) e ne aggiungi al report una del tipo Page Views (Visualizzazioni pagina), improvvisamente saranno presenti più righe per le entrate che sono pari a zero. Probabilmente non vorrai che questa metrica aggiuntiva influisca su MEAN, ROW MINIMUM, QUARTILE e altri calcoli presenti nella colonna dei ricavi. In questo caso, dovrai controllare il parametro include-zeros.

In alternativa, puoi avere due metriche di interesse e una con una media o un minimo più elevati, perché alcune righe sono pari a zero. In tal caso, puoi scegliere di non selezionare il parametro per includervi degli zeri.

E and

AND(logical_test)

Congiunzione. Diverso da zero è considerato vero e uguale a zero è considerato falso. L’output è 0 (falso) o 1 (vero).

Conteggio distinto approssimativo approximate_count_distinct

APPROXIMATE COUNT DISTINCT(dimension)

Restituisce il conteggio distinto approssimativo degli elementi della dimensione per la dimensione selezionata.

Esempio

Un caso d’uso comune per questa funzione si verifica quando si desidera ottenere un numero approssimativo di clienti.

Arcocoseno arc-cosine

ARC COSINE(metric)

[Riga]{class="badge neutral"}

Arcoseno arc-sine

ARC SINE(metric)

[Riga]{class="badge neutral"}

Arcotangente arc-tangent

ARC TANGENT(metric)

[Riga]{class="badge neutral"}

Cdf-T cdf-t

CDF-T(metric, number)

Restituisce la probabilità che una variabile casuale con distribuzione t di Student con n gradi di libertà abbia un punteggio z inferiore a col.

Esempio

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)

Restituisce la probabilità che una variabile casuale con una distribuzione normale abbia un punteggio z inferiore a col.

Esempi

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

Ceiling ceiling

CEILING(metric)

[Riga]{class="badge neutral"}

Confidence confidence

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

Calcola il valore di affidabilità valido in ogni momento, utilizzando il metodo WASKR come descritto in Teoria del limite centrale uniforme nel tempo e sequenze di affidabilità asintotiche.

L’affidabilità è una misura probabilistica della quantità di prove che dimostrano che una determinata variante è uguale alla variante di controllo. Una maggiore affidabilità indica meno prove dell’ipotesi che le varianti di controllo e non di controllo abbiano prestazioni uguali.

Affidabilità (inferiore) confidence-lower

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

Calcola il valore inferiore di affidabilità valido in ogni momento, utilizzando il metodo WASKR come descritto in Teoria del limite centrale uniforme nel tempo e sequenze di affidabilità asintotiche.

L’affidabilità è una misura probabilistica della quantità di prove che dimostrano che una determinata variante è uguale alla variante di controllo. Una maggiore affidabilità indica meno prove dell’ipotesi che le varianti di controllo e non di controllo abbiano prestazioni uguali.

Affidabilità (superiore) confidence-upper

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

Calcola il valore superiore di affidabilità valido in ogni momento, utilizzando il metodo WASKR come descritto in Teoria del limite centrale uniforme nel tempo e sequenze di affidabilità asintotiche.

L’affidabilità è una misura probabilistica della quantità di prove che dimostrano che una determinata variante è uguale alla variante di controllo. Una maggiore affidabilità indica meno prove dell’ipotesi che le varianti di controllo e non di controllo abbiano prestazioni uguali.

Coseno cosine

COSINE(metric)

[Riga]{class="badge neutral"}

Radice cubica cube-root

CUBE ROOT(metric)

Restituisce la radice cubica positiva di un numero. La radice cubica di un numero corrisponde al valore di quel numero elevato alla potenza di 1/3.

Cumulativo cumulative

CUMULATIVE(number, metric)

Restituisce la somma degli ultimi n elementi della colonna x. Se n > 0, somma gli ultimi n elementi o x. Se n < 0, somma gli elementi precedenti.

Esempi

Media cumulativa cumulative-average

CUMULATIVE AVERAGE(number, metric)

Restituisce la media degli ultimi n elementi della colonna x. Se n > 0, somma gli ultimi n elementi o x. Se n < 0, somma gli elementi precedenti.

NOTE

Questa funzione non funziona con metriche di tasso come ricavi per persona. La funzione calcola la media dei tassi, anziché sommare le entrate rispetto all’ultima N, quindi sommare le persone rispetto all’ultima N e infine dividerle.
Utilizzare invece CUMULATIVE(revenue) CUMULATIVE(person).

Uguale equal

EQUAL()

Uguale. L’output è 0 (falso) o 1 (vero).

Esempio

Metric 1 = Metric 2

Regressione esponenziale: coefficiente di correlazione exponential-regression-correlation-coefficient

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

[Tabella]{class="badge neutral"}

Regressione esponenziale: Y previsto exponential-regression-predicted-y

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

[Riga]{class="badge neutral"}

Regressione esponenziale: intercetta exponential-regression-intercept

EXPONENTIAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Regressione esponenziale: pendenza exponential-regression-slope

EXPONENTIAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Floor floor

FLOOR(metric_X, metric_Y, include_zeros)

[Riga]{class="badge neutral"}

Maggiore di greather-than

GREATER THAN()

L’output è 0 (falso) o 1 (vero).

Esempio

Metric 1 > Metric 2

Maggiore di o uguale a greater-than-or-equal

GREATER THAN OR EQUAL()

Maggiore di o uguale a. L’output è 0 (falso) o 1 (vero).

Esempio

Metric 1 >= Metric 2

Coseno iperbolico hyperbolic-cosine

HYPERBOLIC COSINE(metric)

[Riga]{class="badge neutral"}

Seno iperbolico hyperbolic-sine

HYPERBOLIC SINE(metric)

[Riga]{class="badge neutral"}

Tangente iperbolica hyperbolic-tangent

HYPERBOLIC TANGENT(metric)

[Riga]{class="badge neutral"}

Se if

IF(logical_test, value_if_true, value_if_false)

[Riga]{class="badge neutral"}

Minore di less-than

LESS THAN()

L’output è 0 (falso) o 1 (vero).

Esempio

Metric 1 < Metric 2

Minore o uguale a less-than-or-equal

LESS THAN OR EQUAL()

Minore di o uguale a. L’output è 0 (falso) o 1 (vero).

Esempio

Metric 1 <= Metric 2

Incremento (#lift)

Regressione lineare: coefficiente di correlazione linear-regression-correlation-coefficient

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

[Tabella]{class="badge neutral"}

Regressione lineare: intercetta linear-regression-intercept

LINEAR REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Regressione lineare: Y previsto linear-regression-predicted-y

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

[Riga]{class="badge neutral"}

Regressione lineare: pendenza linear-regression-slope

LINEAR REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Log in base 10 log-base-ten

LOG BASE 10(metric)

[Riga]{class="badge neutral"}

Regressione logaritmica: coefficiente di correlazione log-regression-correlation-coefficient

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

[Tabella]{class="badge neutral"}

Regressione logaritmica: intercetta log-regression-intercept

LOG REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Regressione logaritmica: Y previsto log-regression-predicted-y

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

[Riga]{class="badge neutral"}

Regressione logaritmica: pendenza log-regression-slope

LOG REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Logaritmo naturale natural-log

NATURAL LOG(metric)

Restituisce il logaritmo naturale di un numero. I logaritmi naturali sono basati sulla costante e (2.71828182845904). LN è l’inverso della funzione EXP.

Non not

NOT(logical)

Negazione come booleano. L’output è 0 (falso) o 1 (vero).

Non uguale not-equal

NOT EQUAL()

Non uguale. L’output è 0 (falso) o 1 (vero).

Esempio

Metric 1 != Metric 2

Oppure or

OR(logical_test)

[Riga]{class="badge neutral"}

Pi pi

PI()

Restituisce Pi: 3,14159…

Regressione di potenza: coefficiente di correlazione power-regression-correlation-coefficient

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

[Tabella]{class="badge neutral"}

Regressione di potenza: intercetta power-regression-intercept

POWER REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Regressione di potenza: Y previsto power-regression-predicted-y

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

[Riga]{class="badge neutral"}

Regressione di potenza: pendenza power-regression-slope

POWER REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Regressione quadratica: coefficiente di correlazione quadratic-regression-correlation-coefficient

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

[Tabella]{class="badge neutral"}

Regressione quadratica: intercetta quadratic-regression-intercept

QUADRATIC REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Regressione quadratica: Y previsto quadratic-regression-predicted-y

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

[Riga]{class="badge neutral"}

Regressione quadratica: pendenza quadratic-regression-slope

QUADRATIC REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Regressione reciproca: coefficiente di correlazione reciprocal-regression-correlation-coefficient

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

[Tabella]{class="badge neutral"}

Regressione reciproca: intercetta reciprocal-regression-intercept

RECIPROCAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Regressione reciproca: Y previsto reciprocal-regression-predicted-y

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

[Riga]{class="badge neutral"}

Regressione reciproca: pendenza reciprocal-regression-slope

RECIPROCAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[Tabella]{class="badge neutral"}

Seno sine

SINE(metric)

[Riga]{class="badge neutral"}

Punteggio T t-score

T-SCORE(metric, include_zeros)

La deviazione dalla MEDIA, divisa per la deviazione standard. Alias per punteggio Z.

Test T t-test

T-TEST(metric, degrees, tails)

Esegue un test t con coda m con un punteggio t di x e n gradi di libertà.

Dettagli

La firma è T-TEST (metrica, gradi, code). Sotto, effettua semplicemente la chiamata a m CDF-T(-ABSOLUTE VALUE(tails), degrees). Questa funzione è simile alla funzione Z-TEST, che esegue m CDF-Z(-ABSOLUTE VALUE(tails)).

Il valore restituito è la probabilità di visualizzare la statistica x del test in base ai gradi di libertà e al numero di code.

Esempi

Tangente tangent

TANGENT(metric)

Restituisce la tangente dell’angolo specificato. Se l’angolo è in gradi, moltiplicalo per PI( )/180.

Punteggio Z z-score

Z-SCORE(metric, include_zeros)

[Riga]{class="badge neutral"}

Un punteggio Z pari a 0 (zero) implica che il punteggio è uguale alla media. Un punteggio Z può essere positivo o negativo, il che significa se è superiore o inferiore alla media, oltre al numero di deviazioni standard.

L’equazione per il punteggio Z è:

Dove x è il punteggio non elaborato, μ è la media della popolazione e σ è la deviazione standard della popolazione.

Test Z z-test

Z-TEST(metric_tails)

Effettua un test z con coda n con punteggio z di x.