高级功能

使用计算量度生成器可以应用统计和数学函数。本文按字母顺序列出了高级功能及其定义。

通过在“组件”面板中选择 函数 ​列表下的​ 显示所有 ​来访问这些函数。 向下滚动以查看​ 高级函数 ​的列表。

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]{class="badge neutral"}[行]{class="badge neutral"}

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表中，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，您有两个感兴趣的指标，其中一个指标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 and

AND(logical_test)

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 approximate_count_distinct

近似非重复计数（维度）

返回适用于所选维度的维度项目的非重复近似计数。

示例

此函数的常见用例是当您希望获得大致数量的客户时。

反余弦 arc-cosine

反余弦（量度）

[行]{class="badge neutral"}

反正弦 arc-sine

反正弦（量度）

[行]{class="badge neutral"}

反正切 arc-tangent

反正切（量度）

[行]{class="badge neutral"}

Cdf-T cdf-t

CDF-T（量度，数字）

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 cdf-z

CDF-Z（量度，数字）

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 ceiling

上限（量度）

[行]{class="badge neutral"}

置信度 confidence

置信度(normalizing-container， success-metric， control， importance-treshold)

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） confidence-lower

置信度(normalizing-container， success-metric， control， importance-treshold)

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） confidence-upper

置信度(normalizing-container， success-metric， control， importance-treshold)

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 cosine

余弦（量度）

[行]{class="badge neutral"}

立方根 cube-root

多维数据集根（量度）

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 cumulative

累积（数字，指标）

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） cumulative-average

累积平均值（数值，指标）

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。

NOTE

此函数不适用于费率量度，例如每人收入。 此函数计算比率的平均值，而不是总计最后N行的收入并总计最后N行的人员数，然后将二者相除。
请改用 累积（收入） 累积（人员）。

等于 equal

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 exponential-regression-correlation-coefficient

指数回归：相关系数(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

指数回归：预测的 Y exponential-regression-predicted-y

指数回归：预测的Y(metric_X， metric_Y， include_zeros)

[行]{class="badge neutral"}

指数回归：截距 exponential-regression-intercept

指数回归：截距(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

指数回归：斜率 exponential-regression-slope

指数回归：斜率(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

Floor floor

FLOOR(metric_X， metric_Y， include_zeros)

[行]{class="badge neutral"}

大于 greather-than

大于()

输出为 0（假）或 1（真）。

示例

Metric 1 > Metric 2

大于或等于 greater-than-or-equal

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 hyperbolic-cosine

双曲余弦（量度）

[行]{class="badge neutral"}

双曲正弦 hyperbolic-sine

双曲正弦（量度）

[行]{class="badge neutral"}

双曲正切 hyperbolic-tangent

双曲正切（量度）

[行]{class="badge neutral"}

如果 if

IF(logical_test， value_if_true， value_if_false)

[行]{class="badge neutral"}

小于 less-than

小于()

输出为 0（假）或 1（真）。

示例

Metric 1 < Metric 2

小于或等于 less-than-or-equal

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 (#lift)

线性回归：相关系数 linear-regression-correlation-coefficient

线性回归：相关系数(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

线性回归：截距 linear-regression-intercept

线性回归：截距(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

线性回归：预测的 Y linear-regression-predicted-y

线性回归：预测的Y(metric_X， metric_Y， include_zeros)

[行]{class="badge neutral"}

线性回归：斜率 linear-regression-slope

线性回归：斜率(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

常用对数 log-base-ten

以10为底的日志（量度）

[行]{class="badge neutral"}

对数回归：相关系数 log-regression-correlation-coefficient

对数回归：相关系数(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

对数回归：截距 log-regression-intercept

对数回归：截距(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

对数回归：预测的 Y log-regression-predicted-y

对数回归：预测的Y(metric_X， metric_Y， include_zeros)

[行]{class="badge neutral"}

对数回归：斜率 log-regression-slope

对数回归：斜率(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

自然对数 natural-log

自然日志（量度）

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 not

NOT（逻辑）

作为布尔值的取反。输出为 0（假）或 1（真）。

不等于 not-equal

不等于()

不等于。输出为 0（假）或 1（真）。

示例

Metric 1 != Metric 2

或 or

OR(logical_test)

[行]{class="badge neutral"}

Pi pi

PI()

返回 Pi: 3.14159…

幂回归：相关系数 power-regression-correlation-coefficient

幂回归：相关系数(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

幂回归：截距 power-regression-intercept

幂回归：截距(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

幂回归：预测的 Y power-regression-predicted-y

幂回归：预测的Y(metric_X， metric_Y， include_zeros)

[行]{class="badge neutral"}

幂回归：斜率 power-regression-slope

幂回归：斜率(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

二次回归：相关系数 quadratic-regression-correlation-coefficient

二次回归：相关系数(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

二次回归：截距 quadratic-regression-intercept

二次回归：截距(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

二次回归：预测的 Y quadratic-regression-predicted-y

二次回归：预测的Y(metric_X， metric_Y， include_zeros)

[行]{class="badge neutral"}

二次回归：斜率 quadratic-regression-slope

二次回归：斜率(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

倒数回归：相关系数 reciprocal-regression-correlation-coefficient

倒数回归：相关系数(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

倒数回归：截距 reciprocal-regression-intercept

倒数回归：截距(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

倒数回归：预测的 Y reciprocal-regression-predicted-y

倒数回归：预测的Y(metric_X， metric_Y， include_zeros)

[行]{class="badge neutral"}

倒数回归：斜率 reciprocal-regression-slope

倒数回归：斜率(metric_X， metric_Y， include_zeros)

[表]{class="badge neutral"}

正弦 sine

正弦（量度）

[行]{class="badge neutral"}

T 分数 t-score

T-SCORE(metric， include_zeros)

与平均值的偏差除以标准差。Z-Score 的别名。

T 测试 t-test

T测试（度量、度、尾）

执行尾长为 m 的 t 检验，其中 x 为 t 分数，n 为自由度。

详细信息

特征码为T-TEST(metric， degrees， tails)。 在下面，它只是调用​ m CDF-T(-ABSOLUTE VALUE(tails), degrees)。 此函数类似于​ Z-TEST ​函数，该函数运行​ m CDF-Z(-ABSOLUTE VALUE(tails))。

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

正切 tangent

正切（量度）

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 z-score

Z-SCORE(metric， include_zeros)

[行]{class="badge neutral"}

Z得分为0（零）意味着得分与平均值相同。 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 ​是原始分数，μ ​是群体平均值，σ ​是群体标准偏差。

Z 测试 z-test

Z-TEST(metric_tails)

通过 x 的 z 分数，执行以 n 结尾的 z-test。