고급 함수

계산된 지표 빌더를 사용하면 통계 및 수학 함수를 적용할 수 있습니다. 이 문서는 고급 함수 및 그 정의를 알파벳 순서로 나열한 것입니다.

구성 요소 패널에서 함수 목록 아래에 모두 표시 ​를 선택하여 이러한 기능에 액세스합니다. 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 주석([테이블]{class="badge neutral"} 또는 [행]{class="badge neutral"})으로 표시됩니다.

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 매개변수에 0을 포함하지 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

APPROXIMATE COUNT DISTINCT(차원)

선택한 차원에 대한 차원 항목의 근사 고유 개수를 반환합니다.

예

이 함수의 일반적인 사용 사례는 대략적인 고객 수를 얻고자 할 때입니다.

아크코사인 arc-cosine

ARC COSINE(지표)

[행]{class="badge neutral"} 지표의 아크코사인 또는 코사인의 역함수를 반환합니다. 아크코사인은 코사인이 숫자인 각도입니다. 반환된 각도는 0(영)~pi 범위의 라디안으로 주어집니다. 라디안 결과를 도 단위로 변환하려면 결과에 180/PI()를 곱하십시오.

아크사인 arc-sine

ARC SINE(지표)

[행]{class="badge neutral"} 숫자의 아크사인 또는 사인의 역함수를 반환합니다. 아크사인은 사인이 숫자인 각도입니다. 반환된 각도는 -pi/2~pi/2 범위의 라디안으로 주어집니다. 아크사인을 도 단위로 표현하려면 결과에 180/PI()를 곱하십시오.

아크탄젠트 arc-tangent

ARC TANGENT(지표)

[행]{class="badge neutral"} 숫자의 아크탄젠트 또는 탄젠트의 역함수를 반환합니다. 아크탄젠트는 탄젠트가 숫자인 각도입니다. 반환된 각도는 -pi/2~pi/2 범위의 라디안으로 주어집니다. 아크탄젠트를 도 단위로 표현하려면 결과에 180/PI()를 곱하십시오.

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

CEILING(지표)

[행]{class="badge neutral"} 주어진 값보다 작지 않은 가장 작은 정수를 반환합니다. 예를 들어 매출에 대해 소수 통화를 보고하지 않으려 하고, 제품에 $569.34가 있는 경우, 공식 CEILING(매출)을 사용하여 매출에 가장 근접한 달러 또는 $570으로 올림하십시오.

신뢰도 confidence

CONFIDENCE(표준화 컨테이너, 성공 지표, 제어, 유의성 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

CONFIDENCE(표준화 컨테이너, 성공 지표, 제어, 유의성 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

CONFIDENCE(표준화 컨테이너, 성공 지표, 제어, 유의성 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

COSINE(지표)

[행]{class="badge neutral"} 주어진 각도의 코사인을 반환합니다. 이 각도가 도 단위인 경우에는 각도에 PI()/180을 곱하십시오.

세제곱근 cube-root

CUBE ROOT(지표)

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

누적 cumulative

CUMULATIVE(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

CUMULATIVE AVERAGE(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 수익과 같은 요금 지표에서는 작동하지 않습니다. 이 함수는 마지막 N에 대한 수익을 합산하고 마지막 N에 대한 사람들을 합산한 다음 나누는 대신 요금의 평균을 구합니다.
대신 CUMULATIVE(수익) CUMULATIVE(사람) 을 사용합니다.

Equal equal

EQUAL()

Equal. 출력은 0(false) 또는 1(true)입니다.

예

Metric 1 = Metric 2

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

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

[테이블]{class="badge neutral"} 지수 회귀: Y = a exp(X) + b. 상관 계수를 반환합니다.

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

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

[행]{class="badge neutral"} 지수 회귀: Y = a exp(X) + b. Y를 반환합니다.

지수 회귀: 절편 exponential-regression-intercept

EXPONENTIAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 지수 회귀: Y = a exp(X) + b. b를 반환합니다.

지수 회귀: 기울기 exponential-regression-slope

EXPONENTIAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 지수 회귀: Y = a exp(X) + b. a를 반환합니다.

내림 floor

FLOOR(metric_X, metric_Y, include_zeros)

[행]{class="badge neutral"} 주어진 값보다 크지 않은 가장 큰 정수를 반환합니다. 예를 들어 매출에 대해 소수 통화를 보고하지 않으려 하고, 제품에 $569.34가 있는 경우, 공식 FLOOR(매출)을 사용하여 매출에 가장 근접한 달러 또는 $569로 내림하십시오.

보다 큼 greather-than

GREATER THAN()

출력은 0(false) 또는 1(true)입니다.

예

Metric 1 > Metric 2

크거나 같음 greater-than-or-equal

GREATER THAN OR EQUAL()

크거나 같음. 출력은 0(false) 또는 1(true)입니다.

예

Metric 1 >= Metric 2

쌍곡코사인 hyperbolic-cosine

HYPERBOLIC COSINE(지표)

[행]{class="badge neutral"} 숫자의 쌍곡코사인을 반환합니다.

쌍곡사인 hyperbolic-sine

HYPERBOLIC SINE(지표)

[행]{class="badge neutral"} 숫자의 쌍곡사인을 반환합니다.

쌍곡탄젠트 hyperbolic-tangent

HYPERBOLIC TANGENT(지표)

[행]{class="badge neutral"} 숫자의 쌍곡탄젠트를 반환합니다.

조건 if

IF(logical_test, value_if_true, value_if_false)

[행]{class="badge neutral"} 조건 매개변수 값이 0이 아닌 경우(true) 결과는 value_if_true 매개변수 값입니다. 그렇지 않으면 value_if_false 매개변수 값입니다.

보다 작음 less-than

LESS THAN()

출력은 0(false) 또는 1(true)입니다.

예

Metric 1 < Metric 2

작거나 같음 less-than-or-equal

LESS THAN OR EQUAL()

작거나 같음. 출력은 0(false) 또는 1(true)입니다.

예

Metric 1 <= Metric 2

상승도 lift

LIFT(정규화 컨테이너, 성공 지표, 제어)

제어 값과 비교한 비율의 상승도입니다.

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

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

[테이블]{class="badge neutral"} 선형 회귀: Y = a X + b. 상관 계수를 반환합니다.

선형 회귀: 절편 linear-regression-intercept

LINEAR REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 선형 회귀: Y = a X + b. b를 반환합니다.

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

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

[행]{class="badge neutral"} 선형 회귀: Y = a X + b. Y를 반환합니다.

선형 회귀: 기울기 linear-regression-slope

LINEAR REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 선형 회귀: Y = a X + b. a를 반환합니다.

로그 밑 10 log-base-ten

LOG BASE 10(지표)

[행]{class="badge neutral"} 숫자의 밑이 10인 로그를 반환합니다.

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

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

[테이블]{class="badge neutral"} 로그 회귀: Y = a ln(X) + b. 상관 계수를 반환합니다.

로그 회귀: 절편 log-regression-intercept

LOG REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 로그 회귀: Y = a ln(X) + b. b를 반환합니다.

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

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

[행]{class="badge neutral"} 로그 회귀: Y = a ln(X) + b. Y를 반환합니다.

로그 회귀: 기울기 log-regression-slope

LOG REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 로그 회귀: Y = a ln(X) + b. a를 반환합니다.

자연 로그 natural-log

NATURAL LOG(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

NOT EQUAL()

같지 않음. 출력은 0(false) 또는 1(true)입니다.

예

Metric 1 != Metric 2

또는 or

OR(logical_test)

[행]{class="badge neutral"} 논리합입니다. 0과 같지 않음은 true로 간주되고 0과 같음은 false로 간주됩니다. 출력은 0(false) 또는 1(true)입니다.

Pi pi

PI()

Pi: 3.14159… 반환

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

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

[테이블]{class="badge neutral"} 거듭제곱 회귀: Y = b X ^ a. 상관 계수를 반환합니다.

거듭제곱 회귀: 절편 power-regression-intercept

POWER REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 거듭제곱 회귀: Y = b X ^ a. b를 반환합니다.

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

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

[행]{class="badge neutral"} 거듭제곱 회귀: Y = b X ^ a. Y를 반환합니다.

거듭제곱 회귀: 기울기 power-regression-slope

POWER REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 거듭제곱 회귀: Y = b X ^ a. a를 반환합니다.

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

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

[테이블]{class="badge neutral"} 이차 회귀: Y = (a + bX) ^ 2, 상관 계수를 반환합니다.

이차 회귀: 절편 quadratic-regression-intercept

QUADRATIC REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 이차 회귀: Y = (a + bX) ^ 2, a를 반환합니다.

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

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

[행]{class="badge neutral"} 이차 회귀: Y = (a + bX) ^ 2, Y를 반환합니다.

이차 회귀: 기울기 quadratic-regression-slope

QUADRATIC REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 이차 회귀: Y = (a + bX) ^ 2, b를 반환합니다.

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

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

[테이블]{class="badge neutral"} 역수 회귀: Y = a + b X ^ -1. 상관 계수를 반환합니다.

역수 회귀: 절편 reciprocal-regression-intercept

RECIPROCAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 역수 회귀: Y = a + b X ^ -1. a를 반환합니다.

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

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

[행]{class="badge neutral"} 역수 회귀: Y = a + b X ^ -1. Y를 반환합니다.

역수 회귀: 기울기 reciprocal-regression-slope

RECIPROCAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[테이블]{class="badge neutral"} 역수 회귀: Y = a + b X ^ -1. b를 반환합니다.

표본 분산

SAMPLE VARIANCE(정규화 컨테이너, 성공 지표)

표본 분산의 추정치를 계산합니다.

사인 sine

SINE(지표)

[행]{class="badge neutral"} 주어진 각도의 사인을 반환합니다. 이 각도가 도 단위인 경우에는 각도에 PI()/180을 곱하십시오.

T 점수 t-score

T-SCORE(metric, include_zeros)

표준 편차로 나눈 평균과의 편차. Z 점수에 대한 별칭.

T 테스트 t-test

T-TEST(지표, 도, 꼬리)

T 점수가 x이고 자유도가 n인 m측 검증 T 테스트를 수행합니다.

세부 사항

서명은 T 테스트(지표, 도, 꼬리)입니다. 아래에는 간단하게 m CDF-T(-ABSOLUTE VALUE(tails), degrees) ​라고 적혀 있습니다. 이 함수는 m CDF-Z(-ABSOLUTE VALUE(tails)) ​를 실행하는 Z 테스트 함수와 유사합니다.

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

예

탄젠트 tangent

TANGENT(지표)

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

Z 점수 z-score

Z-SCORE(지표, include_zeros)

[행]{class="badge neutral"} 표준 편차로 나눈 평균과의 편차입니다.

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

Z 점수에 대한 방정식은 다음과 같습니다.

여기서 x ​는 원시 점수이고, μ ​는 집단의 평균이고 σ ​는 집단의 표준 편차입니다.

Z 테스트 z-test

Z-TEST(metric_tails)

Z 점수가 x인 n측 검증 Z 테스트를 수행합니다.