リファレンス:高度な関数
これらの関数にアクセスするには、関数 ドロップダウンリストの「詳細を表示」を選択します。
表関数と行関数 section_8977BE40A47E4ED79EB543A9703A4905
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。
ゼロを含むパラメーターとは section_C7A2B05929584C65B308FD372CB8E8E3
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。売上高の列にある平均値、最小値、四分位数などの計算にこの状況が影響を及ぼすことは好ましくありません。その場合は、ゼロを含むパラメーターを確認します。
一方、対象とする指標が 2 つある場合は、そのうちの 1 つの指標の一部の行がゼロであったという理由で、その指標の平均値が高い、または最小値を持っているとは言えない可能性があります。したがって、この場合は、ゼロを含むパラメーターを確認しません。
AND concept_E14513FE464F4491AD0D4130D4EE621C
引数の値を返します。値がある特定の値に等しくないことを示すには、NOT を使用します。
AND(logical_test1,[logical_test2],...)
個別概算カウント(ディメンション) concept_000776E4FA66461EBA79910B7558D5D7
選択したディメンションに関する個別のディメンション項目を概算した数を返します。この関数では、個別カウントを概算する HyperLogLog(HLL)手法を使用しています。この関数は、値が 95%の確率で実際の値から誤差 5%以内にあることを保証するように設定されています。
Approximate Count Distinct (dimension)
使用例 section_424E3FC5092948F0A9D655F6CCBA0312
個別概算カウント(顧客 ID eVar)は、この関数の一般的な使用例です。
新しい計算指標「概算顧客数」の定義は次のようになります。
レポートにおける「概算顧客数」指標の使用方法を次に示します。
超過したユニーク数 section_9C583858A9F94FF7BA054D1043194BAA
Count() や RowCount() と同様に、Approximate Count Distinct() も「超過したユニーク数」制限の対象です。あるディメンションに関して、特定の月に「超過したユニーク数」制限に達した場合、値は 1 ディメンション項目としてカウントされます。
カウント関数の比較 section_440FB8FB44374459B2C6AE2DA504FC0B
Approximate Count Distinct() は、Count() 関数および RowCount() 関数を改良したものです。作成した指標を任意のディメンションレポートで使用し、個別のディメンションに関して概算した項目数をレンダリングできます。例としては、モバイルデバイスタイプレポートで使用される顧客 ID 数があります。
この関数は HLL 手法を使用しているので、Count() や RowCount() よりもわずかに精度が低くなります。一方、Count() と RowCount() の数は正確です。
アークコサイン(行) concept_1DA3404F3DDE4C6BAF3DBDD655D79C7B
指標のアークコサイン(逆コサイン)を返します。アークコサインは、そのコサインが数値である角度です。0(ゼロ)~ pi の範囲のラジアンで角度が返されます。結果をラジアンから度に変換する場合は、その結果に 180/PI( ) を掛けます。
ACOS(metric)
アークサイン(行) concept_90F00DEC46BA47F8A21493647D9668CD
数のアークサイン(逆サイン)を返します。アークサインは、そのサインが数値である角度です。-pi/2 ~ pi/2 の範囲のラジアンで角度が返されます。アークサインを度で表すには、結果に 180/PI( ) を掛けます。
ASIN(metric)
アークタンジェント(行) concept_3408520673774A10998E9BD8B909E90C
数のアークタンジェント(逆タンジェント)を返します。アークタンジェントは、そのタンジェントが数値である角度です。-pi/2 ~ pi/2 の範囲のラジアンで角度が返されます。アークタンジェントを度で表すには、結果に 180/PI( ) を掛けます。
ATAN(metric)
指数回帰:予測 Y(行) concept_25615693312B4A7AB09A2921083502AD
「最小二乗」法を使用して最良の当てはめ線を計算し、指定されている既知の x 値(metric_X)に対する予測 y 値(metric_Y)を算出します。
ESTIMATE.EXP(metric_X, metric_Y)
Cdf-T concept_4E2F2673532A48B5AF786521DE428A66
自由度 n のスチューデントの t 分布の値(z スコアが x 未満)の割合を返します。
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 concept_99C97ACC40A94FADBCF7393A17BC2D12
正規分布の値(z スコアが x 未満)の割合を返します。
cdf_z( -∞ ) = 0
cdf_z( ∞ ) = 1
cdf_z( 0 ) = 0.5
cdf_z( 2 ) ? 0.97725
cdf_z( -3 ) ? 0.0013499
上限(行) concept_A14CDB1E419B4AA18D335E5BA2548346
指定された値以上の最小の整数を返します。例えば、製品価格が $569.34 であり、通貨の小数点以下を売上高としてレポートしない場合は、CEILING(Revenue) という数式を使用して、売上高を直近のドル値($570)に切り上げます。
CEILING(metric)
コサイン(行) concept_DD07AA1FB08145DC89B69D704545FD0A
指定された角度のコサインを返します。角度が度で表されている場合は、角度に PI( )/180 を掛けます。
COS(metric)
立方根 concept_BD93EFA45DF7447A8F839E1CA5B5F795
数の正の立方根を返します。数の立方根は、3 乗してその数になる値です。
CBRT(metric)
累積 concept_3D3347797B6344CE88B394C3E39318ED
最終 N 行の x の合計を返します(ディメンションによって規定されており、文字列ベースのフィールドにハッシュ値を使用します)。
N <= 0 の場合、前のすべての行を使用します。この関数はディメンションによって規定されているので、日付やパスの長さなど、自然順序を持つディメンションでのみ役立ちます。
| Date | Rev | cumul(0,Rev) | cumul(2,Rev) |
|------+------+--------------+--------------|
| May | $500 | $500 | $500 |
| June | $200 | $700 | $700 |
| July | $400 | $1100 | $600 |
累加平均 concept_ABB650962DC64FD58A79C305282D3E61
最終 N 行の平均を返します。
N <= 0 の場合、前のすべての行を使用します。この関数はディメンションによって規定されているので、日付やパスの長さなど、自然順序を持つディメンションでのみ役立ちます。
cumul(revenue)/cumul(visitor)
次と等しい concept_A3B97152B5F74E04A97018B35734BEEB
数字または文字列の値に完全に一致する項目を返します。
指数回帰:相関係数(表) concept_C18BBFA43C1A499293290DF49566D8D8
回帰式に対して、2 つの指標列(metric_A と metric_B)の間の相関係数 r を返します。
CORREL.EXP(metric_X, metric_Y)
指数回帰:切片(表) concept_0047206C827841AD936A3BE58EEE1514
以下に対して、2 つの指標列(metric_X と metric_Y)の間の切片 b を返します。
INTERCEPT.EXP(metric_X, metric_Y)
指数回帰:傾き(表) concept_230991B0371E44308C52853EFA656F04
以下に対して、2 つの指標列(metric_X と metric_Y)の間の傾き a を返します。
SLOPE.EXP(metric_X, metric_Y)
下限(行) concept_D368150EC3684077B284EE471463FC31
指定された値以下の最大の整数を返します。例えば、製品価格が $569.34 であり、通貨の小数点以下を売上高としてレポートしない場合は、FLOOR(Revenue) という数式を使用して、売上高を直近のドル値($569)に切り捨てます。
FLOOR(metric)
次よりも大きい concept_A83734A0C0C14646B76D2CC5E677C644
入力された値よりも大きい数字を持つ項目を返します。
次よりも大きいか等しい concept_8CA6DF1F84784D50849BF1C566AE1D37
入力された値よりも大きいか等しい数字を持つ項目を返します。
ハイパボリックコサイン(行) concept_79DD5681CE9640BDBA3C3F527343CA98
数のハイパボリックコサインを返します。
COSH(metric)
ハイパボリックサイン(行) concept_96230731600C45E3A4E823FE155ABA85
数のハイパボリックサインを返します。
SINH(metric)
ハイパボリックタンジェント(行) concept_BD249013732F462B9863629D142BCA6A
数のハイパボリックタンジェントを返します。
TANH(metric)
IF(行) concept_6BF0F3EAF3EF42C288AEC9A79806C48E
IF 関数は、指定した条件が TRUE の場合に 1 つの値を返し、その条件が FALSE の場合にもう 1 つの値を返します。
IF(logical_test, [value_if_true], [value_if_false])
未満 concept_A4A85C0FDF944AACAD4B8B55699D1B11
入力された値よりも小さい数字を持つ項目を返します。
次よりも小さいか等しい concept_99D12154DE4848B1B0A6327C4322D288
入力された値よりも小さいか等しい数字を持つ項目を返します。
線形回帰:相関係数 concept_132AC6B3A55248AA9C002C1FBEB55C60
Y = a X + b。相関係数を返します。
線形回帰:切片 concept_E44A8D78B802442DB855A07609FC7E99
Y = a X + b。b を返します。
線形回帰:予測 Y concept_9612B9BF106D4D278648D2DF92E98EFC
Y = a X + b。Y を返します。
線形回帰:傾き concept_12352982082A4DDF824366B073B4C213
Y = a X + b。a を返します。
10 を底とする対数(行) concept_4C65DF9659164261BE52AA5A95FD6BC1
数の 10 を底とする対数を返します。
LOG10(metric)
対数回帰:相関係数(表) concept_F3EB35016B754E74BE41766E46FDC246
回帰式 Y = a ln(X) + b に対して、2 つの指標列(metric_X と metric_Y)の間の相関係数 r を返します。計算には CORREL 式を使用します。
CORREL.LOG(metric_X,metric_Y)
対数回帰:切片(表) concept_75A3282EDF54417897063DC26D4FA363
回帰式 Y = a ln(X) + b に対して、2 つの指標列(metric_X と metric_Y)の間の最小二乗回帰として、切片 b を返します。計算には INTERCEPT 式を使用します。
INTERCEPT.LOG(metric_X, metric_Y)
対数回帰:予測 Y(行) concept_5F3A9263BBB84E6098160A4DFB9E3607
最小二乗法で Y = a ln(X) + b に基づいて最良の当てはめ線を計算し、指定されている既知の x 値(metric_X)に対する予測 y 値(metric_Y)を算出します。計算には ESTIMATE 式を使用します。
回帰分析では、この関数は、回帰方程式 Y = a ln(X) + b = a ln() + b の最良の当てはめ線を計算する対数を使用して既知の xx 値(metric_X)に対する予測 y 値(metric_Y)を算出します。a 値は各 x 値に対応し、b は定数値です。
ESTIMATE.LOG(metric_X, metric_Y)
対数回帰:傾き(表) concept_B291EFBE121446A6B3B07B262BBD4EF2
回帰式 Y = a ln(X) + b に対して、2 つの指標列(metric_X と metric_Y)の間の傾き a を返します。計算には SLOPE 式を使用します。
SLOPE.LOG(metric_A, metric_B)
自然対数 concept_D3BE148A9B84412F8CA61734EB35FF9E
数の自然対数を返します。自然対数の底は定数 e(2.71828182845904)です。LN は、EXP 関数の逆関数です。
LN(metric)
NOT concept_BD954C455A8148A3904A301EC4DC821E
数が 0 の場合は 1 を返します。別の数の場合は 0 を返します。
NOT(logical)
NOT を使用する場合は、式(<、>、=、<> など)が0 と 1 のどちらの値を返すかを把握しておく必要があります。
等しくない concept_EC010B7A9D2049099114A382D662FC16
入力された値の完全一致を含まない項目をすべて返します。
OR(行) concept_AF81A33A376C4849A4C14F3A380639D2
いずれかの引数が TRUE の場合は TRUE を返します。すべての引数が FALSE の場合は FALSE を返します。
OR(logical_test1,[logical_test2],...)
円周率 concept_41258789660D4A33B5FB86228F12ED9C
15 桁の精度の定数 PI(3.14159265358979)を返します。
PI()
PI 関数には引数がありません。
累乗回帰:相関係数(表) concept_91EC2CFB5433494F9E0F4FDD66C63766
Y = b*X に対して、2 つの指標列(metric_X と metric_Y)の間の相関係数 r を返します。
CORREL.POWER(metric_X, metric_Y)
累乗回帰:切片(表) concept_7781C85597D64D578E19B212BDD1764F
Y = b*X に対して、2 つの指標列(metric_X と metric_Y)の間の切片 b を返します。
INTERCEPT.POWER(metric_X, metric_Y)
累乗回帰:予測 Y(行) concept_CD652C0A921D4EFBA8F180CB8E486B18
「最小二乗」法を使用して、Y = b*X に対する最良の当てはめ線を計算し、指定されている既知の x 値(metric_X)に対する予測 y 値(metric_Y)を算出します。
ESTIMATE.POWER(metric_X, metric_Y)
累乗回帰:傾き(表) concept_5B9E71B989234694BEB5EEF29148766C
Y = b*X に対して、2 つの指標(metric_X と metric_Y)の間の傾き a を返します。
SLOPE.POWER(metric_X, metric_Y)
二次回帰:相関係数(表) concept_9C9101A456B541E69BA29FCEAC8CD917
Y=(a X+b)*** に対して、2 つの指標列(metric_X と metric_Y)の間の相関係数 r を返します。
CORREL.QUADRATIC(metric_X, metric_Y)
二次回帰:切片(表) concept_69DC0FD6D38C40E9876F1FD08EC0E4DE
Y=(a*X+b) に対して、2 つの指標列(metric_X と metric_Y)の間の切片 b を返します。
INTERCEPT.POWER(metric_X, metric_Y)
二次回帰:予測 Y(行) concept_2F1ED70B1BDE4664A61CC09D30C39CBB
最小二乗法で Y=(a X+b)*** を使用して最良の当てはめ線を計算し、指定されている既知の x 値(metric_X)に対する予測 y 値(metric_Y)を算出します。
ESTIMATE.QUADRATIC(metric_A, metric_B)
二次回帰:傾き(表) concept_0023321DA8E84E6D9BCB06883CA41645
Y=(a*X+b) に対して、2 つの指標列(metric_X と metric_Y)の間の傾き a を返します。
SLOPE.QUADRATIC(metric_X, metric_Y)
逆数回帰:相関係数(表) concept_EBEC509A19164B8AB2DBDED62F4BA2A5
Y = a/X+b に対して、2 つの指標列(metric_X と metric_Y)の間の相関係数 r を返します。
CORREL.RECIPROCAL(metric_X, metric_Y)
逆数回帰:切片(表) concept_2DA45B5C69F140EC987649D2C88F19B3
Y = a/X+b に対して、2 つの指標列(metric_X と metric_Y)の間の切片 b を返します。
INTERCEPT.RECIPROCAL(metric_A, metric_B)
逆数回帰:予測 Y(行) concept_2CF4B8F417A84FE98050FE488E227DF8
最小二乗法で Y = a/X+b を使用して最良の当てはめ線を計算し、指定されている既知の x 値(metric_X)に対する予測 y 値(metric_Y)を算出します。
ESTIMATE.RECIPROCAL(metric_X, metric_Y)
逆数回帰:傾き(表) concept_8A8B68C9728E42A6BFDC6BD5CBDCCEC5
Y = a/X+b に対して、2 つの指標(metric_X と metric_Y)の間の傾き a を返します。
SLOPE.RECIPROCAL(metric_X, metric_Y)
サイン(行) concept_21C8C3AA835947A28B53A4E756A7451E
指定された角度のサインを返します。角度が度で表されている場合は、角度に PI( )/180 を掛けます。
SIN(metric)
t スコア concept_80D2B4CED3D0426896B2412B4FC73BF7
z スコアのエイリアス。つまり、平均値を標準偏差で割って求める偏差値です。
t 検定 concept_A1F78F4A765348E38DBCAD2E8F638EB5
t スコア col および自由度 n の t 検定(m-tailed)を実行します。
署名は t_test( x, n, m )
です。その下では、単に m*cdf_t(-abs(x),n)
を呼び出します。(これは z 検定関数と似ており、z 検定関数は m*cdf_z(-abs(x))
を実行します)。
ここで、m
はテール数、n
は自由度です。これらは数値でなければなりません(全体レポートの場合は、行ごとに変わらない定数でなければなりません)。
X
は t 検定統計量です。一般的には指標に基づく数式(zscore など)で、すべての行で評価されます。
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:
-
次の式を使用して外れ値を見つけます。
code language-none t_test( zscore(bouncerate), row-count-1, 2)
-
この式に
if
を組み合わせて、極度に高いまたは低いバウンス率を無視し、その他すべてへの訪問回数をカウントします。code language-none if ( t_test( z-score(bouncerate), row-count, 2) < 0.01, 0, visits )
タンジェント concept_C25E00CB17054263AB0460D9EF94A700
指定された角度のタンジェントを返します。角度が度で表されている場合は、角度に PI( )/180 を掛けます。
TAN (metric)
z スコア(行) concept_96BEAC79476C49B899DB7E193A5E7ADD
正規分布に基づく z スコア(正規スコア)を返します。z スコアは、観測値が平均値から離れている標準偏差の数です。z スコア 0(ゼロ)は、スコアが平均値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 は母集団の平均値、σ は母集団の標準偏差です。
Z スコア(指標)
Z 検定 concept_2A4ADD6B3AEB4A2E8465F527FAFC4C23
z スコア A の Z 検定(n-tailed)を実行します。
現在の行が列に偶然表示される可能性を返します。