Funções avançadas

O Construtor de métricas calculadas permite aplicar funções matemáticas e estatísticas. Este artigo documenta a lista alfabética das funções avançadas e suas definições.

Para acessar essas funções, selecione a lista Mostrar tudo abaixo de Funções no painel Componentes. Role para baixo para ver a lista de Funções avançadas.

Funções de tabela versus funções de linha

Uma função de tabela exibe um resultado igual para cada linha da tabela. Uma função de linha exibe um resultado diferente para cada linha da tabela.

Onde aplicável e relevante, uma função é anotada com o tipo de função: [Tabela]{class="badge neutral"}[Linha]{class="badge neutral"}

O que significa o parâmetro “incluir zeros”?

Informa se os zeros devem ou não ser incluídos no cálculo. Às vezes, zero significa nada, mas em alguns casos, pode ser importante.

Por exemplo, se você possuir uma métrica Receita e adicionar a métrica Visualizações de página ao relatório, aparecerão mais linhas com valores iguais a zero na sua receita. Você provavelmente não vai querer que essa métrica adicional afete qualquer MÉDIA, MÍNIMO DA LINHA, QUARTIL e outros cálculos que você tenha na coluna receita. Neste caso, você deverá marcar o parâmetro include-zeros.

Um cenário alternativo é o que você tem duas métricas de interesse e uma tem uma média ou um mínimo mais alto porque algumas das linhas são zeros. Nesse caso, você pode optar por não marcar o parâmetro para incluir zeros.

E and

AND(logical_test)

Conjunção. Diferente de zero é considerado verdadeiro e igual a zero é considerado falso. A saída é 0 (falso) ou 1 (verdadeiro).

Contagem distinta aproximada approximate_count_distinct

APPROXIMATE COUNT DISTINCT(dimension)

Retorna a contagem distinta aproximada de itens de dimensão para a dimensão selecionada.

Exemplo

Um caso de uso comum para essa função é quando você deseja obter um número aproximado de clientes.

Arco cosseno arc-cosine

ARC COSINE(metric)

[Linha]{class="badge neutral"}

Arco seno arc-sine

ARC SENO(métrica)

[Linha]{class="badge neutral"}

Arco tangente arc-tangent

ARC TANGENT(metric)

[Linha]{class="badge neutral"}

Cdf-T cdf-t

CDF-T(métrica, número)

Retorna a probabilidade de uma variável aleatória com distribuição t de Student de n graus de liberdade ter uma pontuação z menor que col.

Exemplo

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(métrica, número)

Retorna a probabilidade de uma variável aleatória com uma distribuição normal ter uma pontuação z menor que col.

Exemplos

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

Teto ceiling

LIMITE(métrica)

[Linha]{class="badge neutral"}

Confiança confidence

CONFIANÇA(contêiner de normalização, métrica de sucesso, controle, limite de significância)

Calcule a confiança válida a qualquer momento usando o método WASKR, conforme descrito em Teorema central do limite uniforme no tempo e sequências de confiança assintótica.

Confiança é uma medida probabilística sobre quanta evidência existe de que determinada variante é a mesma que a variante de controle. Uma confiança maior indica menos evidência para o pressuposto de que as variantes de controle e de não controle têm desempenho igual.

Confiança (Inferior) confidence-lower

CONFIANÇA(contêiner de normalização, métrica de sucesso, controle, limite de significância)

Calcule a confiança inferior válida a qualquer momento usando o método WASKR conforme descrito em Teorema central do limite uniforme no tempo e sequências de confiança assintótica.

Confiança é uma medida probabilística sobre quanta evidência existe de que determinada variante é a mesma que a variante de controle. Uma confiança maior indica menos evidência para o pressuposto de que as variantes de controle e de não controle têm desempenho igual.

Confiança (Superior) confidence-upper

CONFIANÇA(contêiner de normalização, métrica de sucesso, controle, limite de significância)

Calcule a confiança superior válida a qualquer momento usando o método WASKR conforme descrito em Teorema central do limite uniforme no tempo e sequências de confiança assintótica.

Confiança é uma medida probabilística sobre quanta evidência existe de que determinada variante é a mesma que a variante de controle. Uma confiança maior indica menos evidência para o pressuposto de que as variantes de controle e de não controle têm desempenho igual.

Cosseno cosine

COSSENO(métrica)

[Linha]{class="badge neutral"}

Raiz cúbica cube-root

RAIZ DO CUBO(métrica)

Retorna a raiz de cúbica positiva de um número. A raiz cúbica de um número é o valor desse número elevado à potência de 1/3.

Cumulativo cumulative

CUMULATIVE(number, metric)

Retorna a soma dos últimos n elementos da coluna x. Se n > 0, soma os últimos n elementos ou x. Se n < 0, soma os elementos anteriores.

Exemplos

Cumulativo (Média) cumulative-average

MÉDIA CUMULATIVA(número, métrica)

Retorna a média dos últimos n elementos da coluna x. Se n > 0, soma os últimos n elementos ou x. Se n < 0, soma os elementos anteriores.

NOTE

Essa função não funciona com métricas de taxa como receita por pessoa. A função calcula a média das taxas em vez de dividir a soma da receita dos últimos N e a soma das pessoas dos últimos N.
Em vez disso, use CUMULATIVE(revenue) CUMULATIVE(person).

Igual equal

IGUAL()

Igual. A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 = Metric 2

Regressão exponencial: coeficiente de correlação exponential-regression-correlation-coefficient

REGRESSÃO EXPONENCIAL: COEFICIENTE DE CORRELAÇÃO(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão exponencial: previsão de Y exponential-regression-predicted-y

REGRESSÃO EXPONENCIAL: Y PREVISTO (metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão exponencial: intercepto exponential-regression-intercept

REGRESSÃO EXPONENCIAL: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão exponencial: inclinação exponential-regression-slope

REGRESSÃO EXPONENCIAL: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Piso floor

LIMITE MÍNIMO(metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Maior que greather-than

MAIOR QUE()

A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 > Metric 2

Maior que ou igual greater-than-or-equal

MAIOR QUE OU IGUAL()

Maior ou igual a. A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 >= Metric 2

Cosseno hiperbólico hyperbolic-cosine

COSSENO HIPERBÓLICO(métrica)

[Linha]{class="badge neutral"}

Seno hiperbólico hyperbolic-sine

SENO HIPERBÓLICO(métrica)

[Linha]{class="badge neutral"}

Tangente hiperbólica hyperbolic-tangent

TANGENTE(métrica) HIPERBÓLICA

[Linha]{class="badge neutral"}

Se if

IF(logical_test, value_if_true, value_if_false)

[Linha]{class="badge neutral"}

Menor que less-than

MENOR QUE()

A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 < Metric 2

Menor que ou igual less-than-or-equal

MENOR QUE OU IGUAL()

Menor ou igual a. A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 <= Metric 2

Elevação (#lift)

Regressão linear: coeficiente de correlação linear-regression-correlation-coefficient

REGRESSÃO LINEAR: COEFICIENTE DE CORRELAÇÃO(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão linear: intercepto linear-regression-intercept

REGRESSÃO LINEAR: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão linear: previsão de Y linear-regression-predicted-y

REGRESSÃO LINEAR: Y PREVISTO (metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão linear: inclinação linear-regression-slope

REGRESSÃO LINEAR: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Logaritmo na base 10 log-base-ten

LOG BASE 10(metric)

[Linha]{class="badge neutral"}

Regressão logarítmica: coeficiente de correlação log-regression-correlation-coefficient

REGRESSÃO DE LOG: COEFICIENTE DE CORRELAÇÃO(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão logarítmica: intercepto log-regression-intercept

REGRESSÃO DE LOG: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão logarítmica: Y previsto log-regression-predicted-y

REGRESSÃO DE LOG: Y PREVISTO (metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão logarítmica: inclinação log-regression-slope

REGRESSÃO DE LOG: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Logaritmo natural natural-log

LOG(métrica) NATURAL

Retorna o logaritmo natural de um número. Os logaritmos naturais são baseados na constante e (2,71828182845904). LN é o inverso da função EXP.

Não not

NÃO(lógico)

Negação como booleano. A saída é ou 0 (falso) ou 1 (verdadeiro).

Não igual not-equal

NÃO IGUAL()

Não igual. A saída é 0 (falso) ou 1 (verdadeiro).

Exemplo

Metric 1 != Metric 2

Ou or

OU(logical_test)

[Linha]{class="badge neutral"}

Pi pi

PI()

Retorna Pi: 3,14159…

Regressão de potência: coeficiente de correlação power-regression-correlation-coefficient

REGRESSÃO DE POTÊNCIA: COEFICIENTE DE CORRELAÇÃO(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão de potência: intercepto power-regression-intercept

REGRESSÃO DE POTÊNCIA: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão de potência: previsão de Y power-regression-predicted-y

REGRESSÃO DE POTÊNCIA: Y PREVISTO (metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão de potência: inclinação power-regression-slope

REGRESSÃO DE POTÊNCIA: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão quadrática: coeficiente de correlação quadratic-regression-correlation-coefficient

REGRESSÃO QUADRÁTICA: COEFICIENTE DE CORRELAÇÃO(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão quadrática: intercepto quadratic-regression-intercept

REGRESSÃO QUADRÁTICA: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão quadrática: previsão de Y quadratic-regression-predicted-y

REGRESSÃO QUADRÁTICA: Y PREVISTO (metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão quadrática: inclinação quadratic-regression-slope

REGRESSÃO QUADRÁTICA: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão recíproca: coeficiente de correlação reciprocal-regression-correlation-coefficient

REGRESSÃO RECÍPROCA: COEFICIENTE DE CORRELAÇÃO(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão recíproca: intercepto reciprocal-regression-intercept

REGRESSÃO RECÍPROCA: INTERCEPT(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Regressão recíproca: previsão de Y reciprocal-regression-predicted-y

REGRESSÃO RECÍPROCA: Y PREVISTO (metric_X, metric_Y, include_zeros)

[Linha]{class="badge neutral"}

Regressão recíproca: inclinação reciprocal-regression-slope

REGRESSÃO RECÍPROCA: SLOPE(metric_X, metric_Y, include_zeros)

[Tabela]{class="badge neutral"}

Seno sine

SENO(métrica)

[Linha]{class="badge neutral"}

Pontuação T t-score

T-SCORE(metric, include_zeros)

O desvio da MÉDIA, dividido pelo desvio padrão. Alias da Pontuação Z.

Teste t t-test

T-TESTE(métrica, graus, caudas)

Realiza um teste t caudal m com pontuação t de x e n graus de liberdade.

Detalhes

A assinatura é T-TEST(métrica, graus, caudas). Por baixo, ele simplesmente chama m CDF-T(-ABSOLUTE VALUE(tails), degrees). Esta função é semelhante à função Z-TEST, que executa m CDF-Z(-ABSOLUTE VALUE(tails)).

O valor de retorno é a probabilidade de exibição da estatística de teste x, dados os graus de liberdade e os números de caudas.

Exemplos

Tangente tangent

TANGENT(metric)

Retorna a tangente do ângulo especificado. Se o ângulo estiver em graus, multiplique o ângulo por PI()/180.

Pontuação Z z-score

PONTUAÇÃO Z(métrica, include_zeros)

[Linha]{class="badge neutral"}

Uma pontuação Z de 0 (zero) implica que a pontuação é a mesma que a média. Uma pontuação Z pode ser positiva ou negativa, indicando se está acima ou abaixo da média e o número de desvios padrão.

A equação da pontuação Z é:

Onde x é a pontuação bruta, μ é a média da população e σ é o desvio padrão da população.

Teste z z-test

Z-TEST(metric_tails)

Realiza um teste z caudal n com uma pontuação z de x.