Geavanceerde functies

De ​ Berekende metrieke bouwer ​ laat u statistische en wiskundige functies toepassen. Dit artikel documenteert alfabetische lijst van de geavanceerde functies en hun definities.

Heb toegang tot deze functies door Show all te selecteren onder Functions lijst in het paneel van Componenten. Schuif omlaag om de lijst met Advanced functions weer te geven.

Tabelfuncties versus rijfuncties

Een tabelfunctie is een functie waarbij de uitvoer voor elke rij van de tabel hetzelfde is. Een rijfunctie is een functie waarbij de uitvoer voor elke rij van de tabel anders is.

Waar toepasselijk en relevant, is een functie geannoteerd met het type van functie: [​ Lijst ​]{class="badge neutral"} of [​ Rij ​]{class="badge neutral"}

Wat betekent de parameter include-zeros?

Het vertelt of nullen in de berekening moeten worden opgenomen. Soms betekent nul niets, maar soms is het belangrijk.

Bijvoorbeeld, als u metrisch van de Opbrengst hebt, en dan metrische vertoningen van de Pagina aan het rapport toevoegt, zijn er plotseling meer rijen voor uw opbrengst, die allen nul zijn. U wilt waarschijnlijk niet dat extra metrisch om het even welke MEAN, MINIMUM VAN DE RIJ, KWALITEIT, en meer berekeningen te beïnvloeden die u in de opbrengstkolom hebt. In dit geval controleert u de parameter include-zeros .

Een alternatief scenario is dat u twee metriek van rente hebt en één een hoger gemiddelde of een minimum heeft omdat sommige rijen nul zijn. In dat geval kunt u ervoor kiezen om de parameter niet te controleren en nullen op te nemen.

en and

AND(logical_test)

Conjunctie. Niet gelijk aan nul wordt beschouwd als waar en gelijk aan nul wordt beschouwd als onwaar. De uitvoer is 0 (false) of 1 (true).

Telling bij benadering onderscheiden approximate_count_distinct

APPROXIMATE COUNT DISTINCT(dimension)

Retourneert de geschatte, verschillende telling van dimensie-items voor de geselecteerde dimensie.

Voorbeeld

Een veel voorkomend geval voor deze functie is wanneer u een benaderend aantal klanten wilt krijgen.

Arc Cosine arc-cosine

ARC COSINE(metric)

[​ Rij ​]{class="badge neutral"} keert de arccosinus, of omgekeerd van de cosinus, van metrisch terug. De arccosinus is de hoek waarvan de cosinus getal is. De geretourneerde hoek wordt opgegeven in radialen tussen 0 (nul) en pi. Als u het resultaat wilt omzetten van radialen in graden, vermenigvuldigt u het met 180/PI().

Boog sinus arc-sine

ARC SINE(metric)

[​ Rij ​]{class="badge neutral"} keert de arcsinus, of omgekeerde sinus, van een aantal terug. De arcsinus is de hoek waarvan de sinus een getal is. De geretourneerde hoek wordt opgegeven in radialen in het bereik -pi/2 tot pi/2. Om de arcsinus in graden uit te drukken, vermenigvuldig het resultaat met 180/PI().

Booghoek arc-tangent

ARC TANGENT(metric)

[​ Rij ​]{class="badge neutral"} keert de arctangent, of omgekeerde raaklijn, van een aantal terug. De arctangens is de hoek waarvan de tangens een getal is. De geretourneerde hoek wordt opgegeven in radialen in het bereik -pi/2 tot pi/2. Als u de arctangens in graden wilt uitdrukken, vermenigvuldigt u het resultaat met 180/PI().

Cdf-T cdf-t

CDF-T(metric, number)

Keert de waarschijnlijkheid terug dat een willekeurige variabele met student-t distributie met n graden van vrijheid een z-score minder dan kolom heeft.

Voorbeeld

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)

Retourneert de waarschijnlijkheid dat een willekeurige variabele met een normale distributie een z-score heeft minder dan col.

Voorbeelden

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

Plafond ceiling

CEILING(metric)

[​ Rij ​]{class="badge neutral"} keert het kleinste geheel niet minder dan een bepaalde waarde terug. Als u bijvoorbeeld wilt voorkomen dat decimalen van valuta worden gerapporteerd voor inkomsten en een product $569,34 heeft, gebruikt u de formule CEILING(Revenue) om inkomsten naar de dichtstbijzijnde dollar te afronden, of $570.

Vertrouwen (onder) confidence-lower

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

Bereken het om het even welke tijd-geldige vertrouwen lager gebruikend de methode WASKR zoals die in ​ wordt beschreven tijd-eenvormige centrale beperkingstheorie en asymptotische vertrouwensopeenvolgingen ​.

Vertrouwen is een waarschijnlijkheidsmeting van hoeveel bewijs er is dat een bepaalde variant dezelfde is als de besturingsvariant. Een hoger vertrouwen geeft minder bewijs voor de aanname dat de besturingsvariant en de niet-besturingsvariant dezelfde prestaties leveren.

Vertrouwen (boven) confidence-upper

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

Bereken het om het even welk-tijd-geldige vertrouwen hoger gebruikend de methode WASKR zoals die in ​ wordt beschreven tijd-eenvormige centrale beperkingstheorie en asymptotische vertrouwensopeenvolgingen ​.

Vertrouwen is een waarschijnlijkheidsmeting van hoeveel bewijs er is dat een bepaalde variant dezelfde is als de besturingsvariant. Een hoger vertrouwen geeft minder bewijs voor de aanname dat de besturingsvariant en de niet-besturingsvariant dezelfde prestaties leveren.

Cosine cosine

COSINE(metric)

[​ Rij ​]{class="badge neutral"} keert de cosinus van de bepaalde hoek terug. Als de hoek in graden is, vermenigvuldig de hoek met PI()/180.

Kubus Root cube-root

CUBE ROOT(metric)

Retourneert de positieve kubuswortel van een getal. De kubuswortel van een aantal is de waarde van dat aantal dat tot de macht van 1/3 wordt opgeheven.

Cumulatief cumulative

CUMULATIVE(number, metric)

Retourneert de som van de laatste n-elementen van kolom x. Indien n > 0, som de laatste n elementen of x. Indien n < 0, som de voorafgaande elementen.

Voorbeelden

Cumulatief (gemiddeld) cumulative-average

CUMULATIVE AVERAGE(number, metric)

Retourneert het gemiddelde van de laatste n elementen van kolom x. Indien n > 0, som de laatste n elementen of x. Indien n < 0, som de voorafgaande elementen.

NOTE

Deze functie werkt niet met tariefmaatstaven zoals opbrengst per persoon. De functie gebruikt het gemiddelde van de tarieven in plaats van de inkomsten over de laatste N op te tellen en personen over de laatste N op te tellen en hen vervolgens te verdelen.
in plaats daarvan, gebruik CUMULATIVE(revenue) CUMULATIVE(person).

Gelijk equal

EQUAL()

Gelijk. De uitvoer is 0 (false) of 1 (true).

Voorbeeld

Metric 1 = Metric 2

Exponentiële regressie: Correlatiecoëfficiënt exponential-regression-correlation-coefficient

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

[​ Lijst ​]{class="badge neutral"} Exponentiële regressie: Y = b * exp (aX). Retourneert de correlatiecoëfficiënt.

Exponentiële regressie: voorspeld Y exponential-regression-predicted-y

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

[​ Rij ​]{class="badge neutral"} Exponentiële regressie: Y = b * exp (aX). Retourneert Y.

Exponentiële regressie: Intercept exponential-regression-intercept

EXPONENTIAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} Exponentiële regressie: Y = b * exp (aX). Retourneert b.

Exponentiële regressie: helling exponential-regression-slope

EXPONENTIAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} Exponentiële regressie: Y = b * exp (aX). Retourneert een.

Floor floor

FLOOR(metric_X, metric_Y, include_zeros)

[​ Rij ​]{class="badge neutral"} keert het grootste geheel niet groter dan een bepaalde waarde terug. Als u bijvoorbeeld wilt voorkomen dat decimalen van valuta worden gerapporteerd voor inkomsten en een product $569,34 heeft, gebruikt u de formule FLOOR(Revenue) om inkomsten naar de dichtstbijzijnde dollar te retourneren, oftewel $569.

Groter dan greather-than

GREATER THAN()

De uitvoer is 0 (false) of 1 (true).

Voorbeeld

Metric 1 > Metric 2

Groter dan of gelijk aan greater-than-or-equal

GREATER THAN OR EQUAL()

Groter dan of gelijk aan. De uitvoer is 0 (false) of 1 (true).

Voorbeeld

Metric 1 >= Metric 2

Hyperbolische cosinus hyperbolic-cosine

HYPERBOLIC COSINE(metric)

[​ Rij ​]{class="badge neutral"} keert de hyperbolische cosinus van een aantal terug.

Hyperbolische sinus hyperbolic-sine

HYPERBOLIC SINE(metric)

[​ Rij ​]{class="badge neutral"} keert de hyperbolische sinus van een aantal terug.

Hyperbolische hoek hyperbolic-tangent

HYPERBOLIC TANGENT(metric)

[​ Rij ​]{class="badge neutral"} keert de hyperbolische tangens van een aantal terug.

Indien if

IF(logical_test, value_if_true, value_if_false)

[​ Rij ​]{class="badge neutral"} als de waarde van de voorwaardenparameter niet-nul (waar) is, is het resultaat de waarde van de parameter value_if_true. Anders is het de waarde van de parameter value_if_false.

Minder dan less-than

LESS THAN()

De uitvoer is 0 (false) of 1 (true).

Voorbeeld

Metric 1 < Metric 2

Kleiner dan of gelijk aan less-than-or-equal

LESS THAN OR EQUAL()

Kleiner dan of gelijk aan. De uitvoer is 0 (false) of 1 (true).

Voorbeeld

Metric 1 <= Metric 2

Lineaire regressie: Correlatiecoëfficiënt linear-regression-correlation-coefficient

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

[​ Lijst ​]{class="badge neutral"} Lineaire regressie: Y = a X + b. Keert de correlatiecoëfficiënt terug.

Lineaire regressie: Intercept linear-regression-intercept

LINEAR REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} Lineaire regressie: Y = a X + b. Keert b terug.

Lineaire regressie: voorspeld Y linear-regression-predicted-y

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

[​ Rij ​]{class="badge neutral"} Lineaire regressie: Y = a X + b. Keert Y terug.

Lineaire regressie: helling linear-regression-slope

LINEAR REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} Lineaire regressie: Y = a X + b. Keert a terug.

Logbestand basis 10 log-base-ten

LOG BASE 10(metric)

[​ Rij ​]{class="badge neutral"} keert logaritme basis-10 van een aantal terug.

Logboekregressie: Correlatiecoëfficiënt log-regression-correlation-coefficient

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

[​ Lijst ​]{class="badge neutral"} de regressie van het Logboek: Y = a ln (X) + b. Keert de correlatiecoëfficiënt terug.

Logboekregressie: Onderscheppen log-regression-intercept

LOG REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} de regressie van het Logboek: Y = a ln (X) + b. Keert b terug.

Logregressie: voorspeld Y log-regression-predicted-y

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

[​ Rij ​]{class="badge neutral"} de regressie van het Logboek: Y = a ln (X) + b. Keert Y terug.

Logregressie: helling log-regression-slope

LOG REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} de regressie van het Logboek: Y = a ln (X) + b. Keert a terug.

Natuurlijk logboek natural-log

NATURAL LOG(metric)

Retourneert de natuurlijke logaritme van een getal. Natuurlijk logaritme is gebaseerd op de constante e (2.71828182845904). LN is het omgekeerde van de functie EXP.

Niet not

NOT(logical)

Negatie als een booleaanse waarde. De uitvoer is 0 (false) of 1 (true).

Niet gelijk not-equal

NOT EQUAL()

Niet gelijk. De uitvoer is 0 (false) of 1 (true).

Voorbeeld

Metric 1 != Metric 2

of or

OR(logical_test)

[​ Bevestiging van de Rij ​]{class="badge neutral"}. Niet gelijk aan nul wordt beschouwd als waar en gelijk aan nul wordt beschouwd als onwaar. De uitvoer is 0 (false) of 1 (true).

Pi pi

PI()

Retourneert Pi: 3,14159…

Regressie van het vermogen: Correlatiecoëfficiënt power-regression-correlation-coefficient

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

[​ Lijst ​]{class="badge neutral"} de regressie van de Macht: Y = b X ^ a. Keert de correlatiecoëfficiënt terug.

Regressie voeding: onderscheppen power-regression-intercept

POWER REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} de regressie van de Macht: Y = b X ^ a. Keert b terug.

Stroomregressie: voorspeld Y power-regression-predicted-y

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

[​ Rij ​]{class="badge neutral"} de regressie van de Macht: Y = b X ^ a. Keert Y terug.

Stroomregressie: helling power-regression-slope

POWER REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} de regressie van de Macht: Y = b X ^ a. Keert a terug.

kwadratische regressie: correlatiecoëfficiënt quadratic-regression-correlation-coefficient

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

[​ Lijst ​]{class="badge neutral"} kwadratische regressie: Y = (a + bX) ^ 2, keert de correlatiecoëfficiënt terug.

kwadratische regressie: onderscheppen quadratic-regression-intercept

QUADRATIC REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} kwadratische regressie: Y = (a + bX) ^ 2, keert a terug.

kwadratische regressie: voorspeld Y quadratic-regression-predicted-y

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

[​ Rij ​]{class="badge neutral"} kwadratische regressie: Y = (a + bX) ^ 2, keert Y terug.

kwadratische regressie: helling quadratic-regression-slope

QUADRATIC REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} kwadratische regressie: Y = (a + bX) ^ 2, Keert b terug.

Wederkerige regressie: Correlatiecoëfficiënt reciprocal-regression-correlation-coefficient

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

[​ Lijst ​]{class="badge neutral"} Wederkerige regressie: Y = a + b X ^ -1. Retourneert de correlatiecoëfficiënt.

Wederkerige regressie: onderscheppen reciprocal-regression-intercept

RECIPROCAL REGRESSION: INTERCEPT(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} Wederkerige regressie: Y = a + b X ^ -1. Retourneert een.

Wederkerige regressie: voorspeld Y reciprocal-regression-predicted-y

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

[​ Rij ​]{class="badge neutral"} Wederkerige regressie: Y = a + b X ^ -1. Retourneert Y.

Wederkerige regressie: helling reciprocal-regression-slope

RECIPROCAL REGRESSION: SLOPE(metric_X, metric_Y, include_zeros)

[​ Lijst ​]{class="badge neutral"} Wederkerige regressie: Y = a + b X ^ -1. Retourneert b.

Sinus sine

SINE(metric)

[​ Rij ​]{class="badge neutral"} keert de sinus van de bepaalde hoek terug. Als de hoek in graden is, vermenigvuldig de hoek met PI()/180.

T-score t-score

T-SCORE(metric, include_zeros)

De afwijking van ​ MEAN ​, die door de standaardafwijking wordt verdeeld. Alias voor ​ z-Score ​.

T-test t-test

T-TEST(metric, degrees, tails)

Voert een t-test met mtailed t-score van x en n graden van vrijheid uit.

Details

De handtekening is T-TEST (metrisch, graden, staarten). Onder, roept het eenvoudig m CDF-T(-ABSOLUTE VALUE(tails), degrees). Deze functie is gelijkaardig aan z-TEST functie, die m CDF-Z(-ABSOLUTE VALUE(tails)) in werking stelt.

De geretourneerde waarde is de waarschijnlijkheid dat de teststatistiek x gezien de vrijheidsgraad en het aantal staarten wordt weergegeven.

Voorbeelden

Raaklijn tangent

TANGENT(metric)

Retourneert de tangens van de opgegeven hoek. Als de hoek in graden is, vermenigvuldig de hoek met PI()/180.

Z-score z-score

Z-SCORE(metric, include_zeros)

[​ Rij ​]{class="badge neutral"} De afwijking van het gemiddelde dat door de standaardafwijking wordt verdeeld.

Een Z-score van 0 (nul) impliceert dat de score gelijk is aan het gemiddelde. Een Z-score kan positief of negatief zijn en geeft aan of deze boven of onder het gemiddelde ligt en hoeveel standaardafwijkingen er zijn.

De vergelijking voor Z-score is:

Waar x de onbewerkte score is, is μ het gemiddelde van de populatie en is σ de standaardafwijking van de populatie.

Z-test z-test

Z-TEST(metric_tails)

Voert een n-tailed z-test met een z-score van x uit.