高度な関数

計算指標ビルダーでは、統計関数および数学関数を適用できます。この記事では、高度な関数とその定義をアルファベット順にリストして説明します。

これらの関数にアクセスするには、コンポーネントパネルの 関数 リストの下にある すべて表示 を選択します。 下にスクロールして、高度な関数 のリストを表示します。

表関数と行関数

表関数とは、表のどの行についても出力が同じになる関数です。行関数とは、表の各行で出力が異なる関数です。

該当する場合および関連する場合、関数には、関数のタイプで注釈が付けられます。[テーブル]{class="badge neutral"}[行]{class="badge neutral"}

ゼロを含むパラメーターとは

このパラメーターは、計算にゼロを含むかどうかを示します。ゼロは​ 何もない ​ことを意味する場合もあれば、重要な意味を持つ場合もあります。

例えば、売上高の指標がある場合に、ページビュー数の指標をレポートに追加すると、すべてゼロの売上高の行が突然表示されます。その追加の指標が MEAN（平均値）、ROW MINIMUM（行の最小値）、QUARTILE（四分位数）および売上高列にあるその他の計算に影響を与えることは避けるべきです。この場合は、include-zeros パラメーターを確認します。

別のシナリオとして、2 つの目標指標があり、一方の指標の平均または最小値が高くなるのは、一部の行がゼロであるためです。その場合、パラメーターにゼロを含めるかどうかを確認しないことを選択できます。

And and

AND （logical_test）

結合。ゼロに等しくない場合は true、ゼロに等しい場合は false と見なされます。出力は 0（false）または 1（true）です。

個別の概算カウント approximate_count_distinct

個別概算カウント（ディメンション）

選択したディメンションのディメンション項目の個別の概算カウントを返します。

例

この関数の一般的なユースケースは、おおよその顧客数を取得したい場合です。

逆余弦 arc-cosine

逆余弦（メートル法）

[行]{class="badge neutral"}

逆正弦 arc-sine

逆正弦（メートル法）

[行]{class="badge neutral"}

逆正接 arc-tangent

ARC TANGENT （メートル）

[行]{class="badge neutral"}

Cdf-T cdf-t

CDF-T （指標、数値）

自由度 n の student-t 分布を持つランダム変数の z スコアが col より小さくなる確率を返します。

例

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 （指標、数値）

正規分布を持つランダム変数の z スコアが col より小さくなる確率を返します。

例

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

シーリング ceiling

CEILING （metric）

[行]{class="badge neutral"}

信頼性 confidence

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

Time-uniform central limit theory and asymptotic confidence sequences の説明に従って、WASKR メソッドを使用して任意の時間で有効な信頼度を計算します。

信頼性は、特定のバリアントがコントロールバリアントと同じであるという証拠がどの程度あるかを示す確率測度です。 信頼性が高いほど、コントロールバリアントおよびコントロールバリアント以外のパフォーマンスが等しいという仮定に対する証拠が少ないことを示します。

信頼（下限） confidence-lower

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

Time-uniform central limit theory and asymptotic confidence sequences の説明に従って、WASKR メソッドを使用して任意の時間で有効な信頼​ 下限 ​を計算します。

信頼性は、特定のバリアントがコントロールバリアントと同じであるという証拠がどの程度あるかを示す確率測度です。 信頼性が高いほど、コントロールバリアントおよびコントロールバリアント以外のパフォーマンスが等しいという仮定に対する証拠が少ないことを示します。

信頼（上限） confidence-upper

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

Time-uniform central limit theory and asymptotic confidence sequences の説明に従って、WASKR メソッドを使用して任意の時間で有効な信頼​ 上限 ​を計算します。

信頼性は、特定のバリアントがコントロールバリアントと同じであるという証拠がどの程度あるかを示す確率測度です。 信頼性が高いほど、コントロールバリアントおよびコントロールバリアント以外のパフォーマンスが等しいという仮定に対する証拠が少ないことを示します。

余弦 cosine

COSINE （metric）

[行]{class="badge neutral"}

立方根 cube-root

立方根（メトリック）

数値の正の立方根を返します。数値の立方根は、その数値を 1/3 乗した値です。

累積 cumulative

CUMULATIVE （number, metric）

列 x の最後の n 要素の合計を返します。n > 0 の場合は、最後の n 要素または x を合計します。n < 0 の場合は、前の要素を合計します。

例

累積（平均） cumulative-average

累積平均（数値、指標）

列 x の最後の n 要素の平均を返します。n > 0 の場合は、最後の n 要素または x を合計します。n < 0 の場合は、前の要素を合計します。

NOTE

この関数は、1 人当たりの売上高などのレート指標では機能しません。 この関数は、過去 N 個の収益を合計し、過去 N 個の人物を合計して除算するのではなく、割合を平均します。
代わりに、CUMULATIVE （revenue） ​ CUMULATIVE （person） ​ を使用します。

次と等しい equal

EQUAL （）

次と等しい。出力は 0（false）または 1（true）です。

例

Metric 1 = Metric 2

指数回帰：相関係数 exponential-regression-correlation-coefficient

指数回帰：相関係数（metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

指数回帰：予測 Y exponential-regression-predicted-y

指数回帰：予測 Y （metric_X, metric_Y, include_zeros）

[行]{class="badge neutral"}

指数回帰：切片 exponential-regression-intercept

指数回帰：INTERCEPT （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

指数回帰：傾き exponential-regression-slope

指数回帰：SLOPE （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

下限 floor

FLOOR （metric_X, metric_Y, include_zeros）

[行]{class="badge neutral"}

次よりも大きい greather-than

GREATER THAN （）

出力は 0（false）または 1（true）です。

例

Metric 1 > Metric 2

次よりも大きいか等しい greater-than-or-equal

GREATER THAN OR EQUAL （）

次よりも大きいか等しい。出力は 0（false）または 1（true）です。

例

Metric 1 >= Metric 2

双曲線余弦 hyperbolic-cosine

双曲線余弦（メートル法）

[行]{class="badge neutral"}

双曲線正弦 hyperbolic-sine

双曲線正弦（メートル法）

[行]{class="badge neutral"}

双曲線正接 hyperbolic-tangent

双曲線正接（メートル）

[行]{class="badge neutral"}

If if

IF （logical_test, value_if_true, value_if_false）

[行]{class="badge neutral"}

未満 less-than

LESS THAN （）

出力は 0（false）または 1（true）です。

例

Metric 1 < Metric 2

次よりも小さいか等しい less-than-or-equal

LESS THAN OR EQUAL （）

次よりも小さいか等しい。出力は 0（false）または 1（true）です。

例

Metric 1 <= Metric 2

上昇率（#lift）

線形回帰：相関係数 linear-regression-correlation-coefficient

線形回帰：相関係数（metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

線形回帰：切片 linear-regression-intercept

線形回帰：INTERCEPT （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

線形回帰：予測 Y linear-regression-predicted-y

線形回帰：予測された Y （metric_X, metric_Y, include_zeros）

[行]{class="badge neutral"}

線形回帰：傾き linear-regression-slope

線形回帰：SLOPE （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

対数ベース 10 log-base-ten

ログベース 10 （指標）

[行]{class="badge neutral"}

対数回帰：相関係数 log-regression-correlation-coefficient

LOG 回帰：相関係数（metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

対数回帰：切片 log-regression-intercept

LOG 回帰：INTERCEPT （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

対数回帰：予測 Y log-regression-predicted-y

ログ回帰：予測された Y （metric_X, metric_Y, include_zeros）

[行]{class="badge neutral"}

対数回帰：傾き log-regression-slope

LOG 回帰：SLOPE （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

自然対数 natural-log

自然ログ（指標）

値の自然対数を返します。自然対数は、定数 e（2.71828182845904）に基づきます。LN は EXP 関数の逆関数です。

ではない not

NOT （logical）

ブール値としての否定。出力は 0（false）または 1（true）です。

次と等しくない not-equal

NOT EQUAL （）

次と等しくない。出力は 0（false）または 1（true）です。

例

Metric 1 != Metric 2

または or

OR （logical_test）

[行]{class="badge neutral"}

円周率 pi

PI （）

円周率を返します。円周率：3.14159…

累乗回帰：相関係数 power-regression-correlation-coefficient

POWER 回帰：相関係数（metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

累乗回帰：切片 power-regression-intercept

POWER 回帰：INTERCEPT （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

累乗回帰：予測 Y power-regression-predicted-y

POWER 回帰：予測 Y （metric_X, metric_Y, include_zeros）

[行]{class="badge neutral"}

累乗回帰：傾き power-regression-slope

POWER 回帰：SLOPE （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

二次回帰：相関係数 quadratic-regression-correlation-coefficient

二次回帰：相関係数（metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

二次回帰：切片 quadratic-regression-intercept

二次回帰：INTERCEPT （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

二次回帰：予測 Y quadratic-regression-predicted-y

二次回帰：予測 Y （metric_X, metric_Y, include_zeros）

[行]{class="badge neutral"}

二次回帰：傾き quadratic-regression-slope

二次回帰：SLOPE （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

逆数回帰：相関係数 reciprocal-regression-correlation-coefficient

逆回帰：相関係数（metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

逆数回帰：切片 reciprocal-regression-intercept

回帰回帰：INTERCEPT （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

逆数回帰：予測 Y reciprocal-regression-predicted-y

逆回帰：予測 Y （metric_X, metric_Y, include_zeros）

[行]{class="badge neutral"}

逆数回帰：傾き reciprocal-regression-slope

回帰回帰：SLOPE （metric_X, metric_Y, include_zeros）

[テーブル]{class="badge neutral"}

正弦 sine

正弦（メートル法）

[行]{class="badge neutral"}

t スコア t-score

T-SCORE （metric, include_zeros）

平均値を標準偏差で割って求める偏差値です。z スコアのエイリアス。

t 検定 t-test

T-TEST （metric, degrees, tail）

t スコア x および自由度 n の t 検定（m-tailed）を実行します。

詳細

シグネチャは T-TEST （metric, degrees, tail）です。 その下では、単に m CDF-T(-ABSOLUTE VALUE(tails), degrees) を呼び出します。 この関数は、m CDF-Z(-ABSOLUTE VALUE(tails)) を実行する Z-TEST 関数に類似しています。

返される値は、指定された自由度とテール数において検定統計量 x が見られる確率です。

例

タンジェント tangent

TANGENT （metric）

指定された角度の正接を返します。 角度が度単位の場合は、角度に PI()/180 で乗算します。

z スコア z-score

Z-SCORE （metric, include_zeros）

[行]{class="badge neutral"}

Z スコアが 0 （ゼロ）の場合は、スコアが平均と同じであることを意味します。 z スコアは正と負のどちらにもなり得ます。平均値を上回るか下回るかを標準偏差の数で示します。

z スコアの式は次のようになります。

ここで、x は生のスコア、μ は母集団の平均、σ は母集団の標準偏差です。

Z 検定 z-test

Z-TEST （metric_tails）

z スコア x の z 検定（n-tailed）を実行します。