고급 함수

계산된 지표 빌더를 사용하면 통계 및 수학 함수를 적용할 수 있습니다. 이 문서에서는 고급 함수의 알파벳 목록과 해당 정의를 설명합니다.

[구성 요소] 패널에서 함수 목록 아래의 모두 표시 ​를 선택하여 이 함수들에 액세스하십시오. 아래로 스크롤하여 고급 함수 목록을 확인합니다.

테이블 함수 대 행 함수

테이블 함수는 출력이 모든 테이블 행에 대해 동일한 함수입니다. 행 함수는 출력이 모든 테이블 행에 대해 다른 함수입니다.

해당 및 관련이 있는 경우 함수에 함수 유형이 주석으로 표시됩니다. [테이블]{class="badge neutral"}[행]{class="badge neutral"}

include-zeros 매개변수는 무엇을 의미합니까?

계산에 0을 포함할지 여부를 알려 줍니다. 때로 0은 아무것도 없다 ​는 뜻이지만, 경우에 따라서는 중요합니다.

예를 들어 매출 지표가 있고, 그 다음에 페이지 조회수 지표를 보고서에 추가하는 경우, 모두 0인 매출 행이 갑자기 더 많아집니다. 이러한 추가 지표가 수익 열에 있는 MEAN, ROW MINIMUM, QUARTILE 등 계산에 영향을 미치는 것을 원하지 않을 수도 있습니다. include-zeros 매개변수를 확인해야 합니다.

다른 시나리오는 관심 있는 지표가 두 개이며, 하나는 일부 행이 0이기 때문에 평균 또는 최솟값이 더 높은 경우입니다. 이 경우 0을 포함하도록 매개 변수를 확인하지 않도록 선택할 수 있습니다.

And and

AND(logical_test)

논리곱. 0과 같지 않음은 true로 간주되고 0과 같음은 false로 간주됩니다. 출력은 0(false) 또는 1(true)입니다.

대략적인 고유 개수 approximate_count_distinct

근사 고유 개수(차원)

선택한 차원에 대한 차원 항목의 근사 고유 개수를 반환합니다.

예

이 기능의 일반적인 사용 사례는 대략적인 고객 수를 얻으려는 경우입니다.

아크코사인 arc-cosine

아크코사인(지표)

[행]{class="badge neutral"}

아크사인 arc-sine

아크사인(지표)

[행]{class="badge neutral"}

아크탄젠트 arc-tangent

아크탄젠트(지표)

[행]{class="badge neutral"}

Cdf-T cdf-t

CDF-T(지표, 숫자)

자유도가 n인 학생 t 분포를 사용하는 확률변수에 col보다 적은 z 점수가 있는 확률을 반환합니다.

예

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(지표, 숫자)

정규 분포를 사용하는 확률변수에 col보다 적은 z 점수가 있는 확률을 반환합니다.

예

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

실링 ceiling

천정(지표)

[행]{class="badge neutral"}

신뢰도 confidence

신뢰도(정규화-컨테이너, 성공-지표, 제어, 중요도-임계값)

시간-균일 중심극한정리와 점근적 신뢰구간에 설명된 대로 WASKR 방법을 사용하여 언제든지 유효한 신뢰도를 계산합니다.

신뢰도는 주어진 변형이 제어 변형과 동일하다는 증거가 얼마나 있는지에 대한 확률론적 척도입니다. 신뢰도가 높을수록 제어 변형과 비제어 변형의 성과가 동일하다는 가정의 증거가 적다는 것을 나타냅니다.

신뢰도 (하한) confidence-lower

신뢰도(정규화-컨테이너, 성공-지표, 제어, 중요도-임계값)

시간-균일 중심극한정리와 점근적 신뢰구간에 설명된 대로 WASKR 방법을 사용하여 언제든지 유효한 신뢰도 하한 ​을 계산합니다.

신뢰도는 주어진 변형이 제어 변형과 동일하다는 증거가 얼마나 있는지에 대한 확률론적 척도입니다. 신뢰도가 높을수록 제어 변형과 비제어 변형의 성과가 동일하다는 가정의 증거가 적다는 것을 나타냅니다.

신뢰도 (상한) confidence-upper

신뢰도(정규화-컨테이너, 성공-지표, 제어, 중요도-임계값)

시간-균일 중심극한정리와 점근적 신뢰구간에 설명된 대로 WASKR 방법을 사용하여 언제든지 유효한 신뢰도 상한 ​을 계산합니다.

신뢰도는 주어진 변형이 제어 변형과 동일하다는 증거가 얼마나 있는지에 대한 확률론적 척도입니다. 신뢰도가 높을수록 제어 변형과 비제어 변형의 성과가 동일하다는 가정의 증거가 적다는 것을 나타냅니다.

코사인 cosine

코사인(지표)

[행]{class="badge neutral"}

세제곱근 cube-root

큐브 루트(지표)

숫자의 양의 세제곱근을 반환합니다. 숫자의 세제곱근은 해당 숫자의 1/3 거듭제곱 값입니다.

누적 cumulative

누적(숫자, 지표)

x열의 마지막 n개 요소 합을 반환합니다. n > 0이면 마지막 n개 요소 또는 x를 합합니다. n < 0이면 선행하는 요소를 합합니다.

예

누적 (평균) cumulative-average

누적 평균(숫자, 지표)

x열의 마지막 n개 요소 평균을 반환합니다. n > 0이면 마지막 n개 요소 또는 x를 합합니다. n < 0이면 선행하는 요소를 합합니다.

NOTE

이 함수는 1인당 매출과 같은 비율 지표에는 작동하지 않습니다. 이 함수는 마지막 N에 대한 수입을 합하고 마지막 N에 대한 사람의 수를 합한 다음 이들을 나누는 대신 비율의 평균을 구합니다.
대신 CUMULATIVE(revenue) CUMULATIVE(person) 를 사용하십시오.

Equal equal

EQUAL()

Equal. 출력은 0(false) 또는 1(true)입니다.

예

Metric 1 = Metric 2

지수 회귀: 상관 계수 exponential-regression-correlation-coefficient

지수 회귀: 상관 계수(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

지수 회귀: 예측된 Y exponential-regression-predicted-y

지수 회귀: 예측된 Y(metric_X, metric_Y, include_zeros)

[행]{class="badge neutral"}

지수 회귀: 절편 exponential-regression-intercept

지수 회귀: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

지수 회귀: 기울기 exponential-regression-slope

지수 회귀: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

내림 floor

FLOOR(metric_X, metric_Y, include_zeros)

[행]{class="badge neutral"}

보다 큼 greather-than

다음보다 큼()

출력은 0(false) 또는 1(true)입니다.

예

Metric 1 > Metric 2

크거나 같음 greater-than-or-equal

크거나 같음()

크거나 같음. 출력은 0(false) 또는 1(true)입니다.

예

Metric 1 >= Metric 2

쌍곡코사인 hyperbolic-cosine

쌍곡코사인(지표)

[행]{class="badge neutral"}

쌍곡사인 hyperbolic-sine

쌍곡사인(지표)

[행]{class="badge neutral"}

쌍곡탄젠트 hyperbolic-tangent

쌍곡탄젠트(지표)

[행]{class="badge neutral"}

조건 if

IF(logical_test, value_if_true, value_if_false)

[행]{class="badge neutral"}

보다 작음 less-than

보다 작음()

출력은 0(false) 또는 1(true)입니다.

예

Metric 1 < Metric 2

작거나 같음 less-than-or-equal

작거나 같음()

작거나 같음. 출력은 0(false) 또는 1(true)입니다.

예

Metric 1 <= Metric 2

상승도 (#lift)

선형 회귀: 상관 계수 linear-regression-correlation-coefficient

선형 회귀: 상관 계수(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

선형 회귀: 절편 linear-regression-intercept

선형 회귀: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

선형 회귀: 예측된 Y linear-regression-predicted-y

선형 회귀: 예측된 Y(metric_X, metric_Y, include_zeros)

[행]{class="badge neutral"}

선형 회귀: 기울기 linear-regression-slope

선형 회귀: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

로그 밑 10 log-base-ten

로그 밑 10(지표)

[행]{class="badge neutral"}

로그 회귀: 상관 계수 log-regression-correlation-coefficient

로그 회귀: 상관 계수(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

로그 회귀: 절편 log-regression-intercept

로그 회귀: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

로그 회귀: 예측된 Y log-regression-predicted-y

로그 회귀: 예측된 Y(metric_X, metric_Y, include_zeros)

[행]{class="badge neutral"}

로그 회귀: 기울기 log-regression-slope

로그 회귀: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

자연 로그 natural-log

자연어 로그(지표)

숫자의 자연 로그를 반환합니다. 자연 로그의 밑은 상수 e (2.71828182845904)입니다. LN은 EXP 함수의 역함수입니다.

아님 not

NOT(논리적)

부울로 부정을 표시합니다. 출력은 0(false) 또는 1(true)입니다.

같지 않음 not-equal

같지 않음()

같지 않음. 출력은 0(false) 또는 1(true)입니다.

예

Metric 1 != Metric 2

또는 or

OR(logical_test)

[행]{class="badge neutral"}

Pi pi

PI()

Pi: 3.14159… 반환

거듭제곱 회귀: 상관 계수 power-regression-correlation-coefficient

거듭제곱 회귀: 상관 계수(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

거듭제곱 회귀: 절편 power-regression-intercept

거듭제곱 회귀: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

거듭제곱 회귀: 예측된 Y power-regression-predicted-y

거듭제곱 회귀: 예측된 Y(metric_X, metric_Y, include_zeros)

[행]{class="badge neutral"}

거듭제곱 회귀: 기울기 power-regression-slope

거듭제곱 회귀: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

이차 회귀: 상관 계수 quadratic-regression-correlation-coefficient

이차 회귀: 상관 계수(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

이차 회귀: 절편 quadratic-regression-intercept

이차 회귀: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

이차 회귀: 예측된 Y quadratic-regression-predicted-y

이차 회귀: 예측된 Y(metric_X, metric_Y, include_zeros)

[행]{class="badge neutral"}

이차 회귀: 기울기 quadratic-regression-slope

이차 회귀: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

역수 회귀: 상관 계수 reciprocal-regression-correlation-coefficient

역수 회귀: 상관 계수(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

역수 회귀: 절편 reciprocal-regression-intercept

역수 회귀: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

역수 회귀: 예측된 Y reciprocal-regression-predicted-y

역수 회귀: 예측된 Y(metric_X, metric_Y, include_zeros)

[행]{class="badge neutral"}

역수 회귀: 기울기 reciprocal-regression-slope

역수 회귀: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"}

사인 sine

사인(지표)

[행]{class="badge neutral"}

T 스코어 t-score

T 스코어(지표, include_zeros)

표준 편차로 나눈 평균과의 편차. z-점수에 대한 별칭.

T-테스트 t-test

T-테스트(지표, 도, 꼬리)

t-점수가 x이고 자유도가 n인 m측 검증 t-테스트를 수행합니다.

세부 사항

시그니처는 T-TEST(지표, 도, 꼬리)입니다. 이 식은 아래에서 m CDF-T(-ABSOLUTE VALUE(tails), degrees) ​을(를) 호출합니다. 이 함수는 m CDF-Z(-ABSOLUTE VALUE(tails)) ​을(를) 실행하는 Z-TEST 함수와 유사합니다.

반환 값은 자유도 및 꼬리 수를 감안할 때 테스트 통계 x의 지각 확률입니다.

예

탄젠트 tangent

탄젠트(지표)

주어진 각도의 탄젠트를 반환합니다. 이 각도가 도 단위인 경우에는 각도에 PI()/180을 곱하십시오.

z-점수 z-score

Z-SCORE(metric, include_zeros)

[행]{class="badge neutral"}

Z 스코어가 0(영)이면 스코어가 평균과 같음을 의미합니다. Z 스코어는 양수 또는 음수일 수 있으며, 이는 평균보다 큰지 또는 작은지를 표준 편차의 수로 나타냅니다.

Z 스코어에 대한 방정식은 다음과 같습니다.

여기서 x ​은(는) 원시 점수이고, μ ​은(는) 모집단의 평균이고, σ ​은(는) 모집단의 표준 편차입니다.

Z-테스트 z-test

Z-TEST(metric_tails)

z-점수가 x인 n측 검증 z-테스트를 수행합니다.