高级功能
- 主题:
- 计算量度
创建对象:
- 用户
使用计算量度生成器可以应用统计和数学函数。本文记录了按字母顺序排列的高级函数及其定义列表。
在组件面板中的
表函数与行函数
在 table 函数中,输出对于表中的每一行都是相同的。在 row 函数中,输出对于表中的每一行都是不同的。
在适用且相关的情况下,函数会用函数类型注释:表行
Include-Zeros 参数的含义是什么?
它可告知计算中是否包含零。零有时表示 无,有时又十分重要。
例如,如果您有收入量度,然后又将页面查看次数量度添加到报告中,则您的收入会突然多出一些全部为零的行。您可能不希望该附加量度影响收入栏中的任何 平均值、行最小值、四分位数 以及其他计算。在这种情况下,您需要检查 include-zeros
参数。
另一种情况是,您有两个感兴趣的量度,其中一个量度的平均值或最小值较高,因为其中有些行为零。在这种情况下,您可以选择不检查参数,以包含零。
与
连词。不等于零被认为是真,等于零被认为是假。输出为 0(假)或 1(真)。
非重复近似计数
返回适用于所选维度的维度项的非重复近似计数。
示例
此函数的常见用例是您想要获取客户的近似数量。
反余弦
行
反正弦
行
反正切
行
Cdf-T
返回自由度为 n 的学生 t 分布中,随机变量 z 分数小于列值的概率。
示例
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
返回正态分布中随机变量 z 分数小于列值的概率。
示例
CDF-Z(-∞) = 0
CDF-Z(∞) = 1
CDF-Z(0) = 0.5
CDF-Z(2) ? 0.97725
CDF-Z(-3) ? 0.0013499
上限
行
置信度
使用时间统一中心极限定理和渐近置信序列中所述的 WASKR 方法计算任意时间有效的置信度。
置信度是一种概率度量,可表明有多少证据能够表明给定变量与控制变量相同。置信度越高,表明支持控制变量和非控制变量具有相同性能的假设的证据越少。
置信度(下限)
使用时间统一中心极限定理和渐近置信序列中所述的 WASKR 方法计算任意时间有效的置信度(下限)。
置信度是一种概率度量,可表明有多少证据能够表明给定变量与控制变量相同。置信度越高,表明支持控制变量和非控制变量具有相同性能的假设的证据越少。
置信度(上限)
使用时间统一中心极限定理和渐近置信序列中所述的 WASKR 方法计算任意时间有效的置信度(上限)。
置信度是一种概率度量,可表明有多少证据能够表明给定变量与控制变量相同。置信度越高,表明支持控制变量和非控制变量具有相同性能的假设的证据越少。
余弦
行
立方根
返回某数字的正立方根。某数字的立方根是该数字三分之一次幂的值。
累积
返回 x 列最后 n 个元素的和。如果 n > 0,则对最后 n 个元素或 x 求和。如果 n < 0,则对前面的元素求和。
示例
累积(平均)
返回 x 列最后 n 个元素的平均值。如果 n > 0,则对最后 n 个元素或 x 求和。如果 n < 0,则对前面的元素求和。
相反,使用 CUMULATIVE(revenue)
等于
等于。输出为 0(假)或 1(真)。
示例
Metric 1 = Metric 2
指数回归:相关系数
表
指数回归:预测的 Y
行
指数回归:截距
表
指数回归:斜率
表
Floor
行
大于
输出为 0(假)或 1(真)。
示例
Metric 1 > Metric 2
大于或等于
大于或等于输出为 0(假)或 1(真)。
示例
Metric 1 >= Metric 2
双曲余弦
行
双曲正弦
行
双曲正切
行
如果
行
小于
输出为 0(假)或 1(真)。
示例
Metric 1 < Metric 2
小于或等于
小于或等于。输出为 0(假)或 1(真)。
示例
Metric 1 <= Metric 2
提升
与控制值相比,比率的提升。
线性回归:相关系数
表
线性回归:截距
表
线性回归:预测的 Y
行
线性回归:斜率
表
常用对数
行
对数回归:相关系数
表
对数回归:截距
表
对数回归:预测的 Y
行
对数回归:斜率
表
自然对数
返回某数字的自然对数。自然对数以常数 e (2.71828182845904) 为底数。LN 是 EXP 函数的反函数。
不为
作为布尔值的取反。输出为 0(假)或 1(真)。
不等于
不等于。输出为 0(假)或 1(真)。
示例
Metric 1 != Metric 2
或
行
Pi
返回 Pi: 3.14159…
幂回归:相关系数
表
幂回归:截距
表
幂回归:预测的 Y
行
幂回归:斜率
表
二次回归:相关系数
表
二次回归:截距
表
二次回归:预测的 Y
行
二次回归:斜率
表
倒数回归:相关系数
表
倒数回归:截距
表
倒数回归:预测的 Y
行
倒数回归:斜率
表
样本方差
计算样本方差的估计值。
正弦
行
T 测试
执行尾长为 m 的 t 测试,其中 x 为 t 分数,n 为自由度。
详细信息
签名为 T-TEST(metric, degrees, tails)。在下面,只需调用 m
- m 是尾数。
- n 是自由度,对于整个报告来说应该是一个常数,也就是说不会逐行改变。
- x 为 T 测试统计数据,通常是基于量度的公式(例如 Z-SCORE),每行都将对其进行评估。
返回值是指在给定自由度和尾数的情况下,获得测试统计数据 x 的几率。
示例
-
使用函数求离群值:
T-TEST(Z-SCORE(bouncerate), ROW COUNT - 1, 2)
-
将函数与 IF 结合使用,以忽略过高或过低的跳出率,并对其他内容的会话进行计数:
IF(T-TEST(Z-SCORE(bouncerate), ROW COUNT - 1, 2) < 0.01, 0, sessions )
正切
返回给定角的正切。如果角以角度表示,则将该角乘以 PI( )/180。
Z-Score
行
Z 分数为 0(零)表示分数与平均值相同。Z 分数可以为正数或负数,用于指示该分数在平均值之上还是之下,以及依据多少个标准偏差。
Z 分数的方程式为:
其中,x 为原始分数,μ 为群体平均值,σ 为群体标准偏差。
Z 测试
通过 x 的 z 分数,执行以 n 结尾的 z-test。