進階函數

使用計算量度產生器可讓您套用統計和數學函數。本文記錄進階函數及其定義的清單，依字母順序排列。

透過選取元件面板中 函數 ​清單下的「全部顯示」，以存取這些函數。向下捲動以查看​ 進階函數 ​清單。

表格函數和列函數的比較

表格函數是表格每一列的輸出都相同。列函數則是表格每一列的輸出都不同。

在適用且相關的情況下，函數會以函數類型進行註解： [表格]{class="badge neutral"}[列]{class="badge neutral"}

「包括零」參數的意義是什麼?

此參數指出是否在計算中包括零。有時候零​ 沒有意義，有時候卻很重要。

例如，如果您有「收入」量度，隨後新增「頁面檢視」量度至報表，您的收入會突然出現許多全都是零的列。您可能不希望該附加量度影響任何 平均值、列最小值、四分位數，以及收入欄中的更多計算。在這種情況下，您可以勾選 include-zeros 參數。

另一種情況是，您有兩個感興趣的量度，其中一個具有較高的平均值或最小值，因為某些列是零。在此情況下，您可以選擇不檢查參數是否包括零。

與 and

AND (邏輯測試)

結合。不等於零為是，等於零為否。輸出為 0 (false) 或 1 (true)。

近似計數相異 approximate_count_distinct

近似相異計數 (維度)

傳回選取維度之維度項目的近似相異計數。

範例

此函數的常見使用案例為當您想要獲得大致的客戶數量時。

反餘弦 arc-cosine

反餘弦 (量度)

[列]{class="badge neutral"}

反正弦 arc-sine

反正弦 (量度)

[列]{class="badge neutral"}

反正切 arc-tangent

反正切 (量度)

[列]{class="badge neutral"}

Cdf-T cdf-t

CDF-T (量度、數字)

傳回具有 n 個自由度之 Student-t 分布之隨機變數的 z 分數小於 col 之機率。

範例

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、數字)

傳回常態分布之隨機變數的 z 分數小於 col 之機率。

範例

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

上限 ceiling

CEILING (量度)

[列]{class="badge neutral"}

信賴度 confidence

信賴度 (標準化容器、成功量度、控制、顯著性臨界值)

使用 WASKR 方法計算隨時有效的信賴度，如時間一致中央極限定理和漸進信賴序列所述。

信賴度指有多少證據顯示指定變體與控制變體相同的機率測度。信賴度越高表示控制和非控制變體具有相同績效假設的證據越少。

信賴度 (下界) confidence-lower

信賴度 (標準化容器、成功量度、控制、顯著性臨界值)

使用 WASKR 方法計算隨時有效的信賴度​ 下界，如時間一致中央極限定理和漸進信賴序列 所述。

信賴度指有多少證據顯示指定變體與控制變體相同的機率測度。信賴度越高表示控制和非控制變體具有相同績效假設的證據越少。

信賴度 (上界) confidence-upper

信賴度 (標準化容器、成功量度、控制、顯著性臨界值)

使用 WASKR 方法計算隨時有效的信賴度​ 上界，如時間一致中央極限定理和漸進信賴序列 所述。

信賴度指有多少證據顯示指定變體與控制變體相同的機率測度。信賴度越高表示控制和非控制變體具有相同績效假設的證據越少。

餘弦 cosine

餘弦 (量度)

[列]{class="badge neutral"}

立方根 cube-root

立方根 (量度)

傳回數字的正立方根。數字的立方根是該數字的值取 1/3 次方。

累積 cumulative

累積 (數字、量度)

傳回 x 欄最後 n 個元素的總和。若 n > 0，則會加總最後 n 個元素或 x。若 n < 0，則加總前面的元素。

範例

累計 (平均值) cumulative-average

累積平均值 (數字、量度)

傳回 x 欄最後 n 個元素的平均。若 n > 0，則會加總最後 n 個元素或 x。若 n < 0，則加總前面的元素。

NOTE

此函數不適用於每人收入等比率量度。此函數對比率進行平均，而不是對過去 N 個的收入進行加總，並對過去 N 個人數進行加總然後除以它們。
反之，使用 累積 (收入) 累積 (人數)。

等於 equal

EQUAL ()

等於。輸出為 0 (false) 或 1 (true)。

範例

Metric 1 = Metric 2

指數迴歸：相關係數 exponential-regression-correlation-coefficient

指數迴歸：相關係數 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

指數迴歸：預計 Y exponential-regression-predicted-y

指數迴歸：預測 Y (metric_X、metric_Y、include_zeros)

[列]{class="badge neutral"}

指數迴歸：截距 exponential-regression-intercept

指數迴歸：截距 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

指數迴歸：斜率 exponential-regression-slope

指數迴歸：斜率 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

下限 floor

FLOOR (metric_X、metric_Y、include_zeros)

[列]{class="badge neutral"}

大於 greather-than

大於 ()

輸出為 0 (false) 或 1 (true)。

範例

Metric 1 > Metric 2

大於或等於 greater-than-or-equal

大於或等於 ()

大於或等於。輸出為 0 (false) 或 1 (true)。

範例

Metric 1 >= Metric 2

雙曲餘弦 hyperbolic-cosine

雙曲餘弦 (量度)

[列]{class="badge neutral"}

雙曲正弦 hyperbolic-sine

雙曲正弦 (量度)

[列]{class="badge neutral"}

雙曲正切 hyperbolic-tangent

雙曲正切 (量度)

[列]{class="badge neutral"}

若 if

IF (logical_test、value_if_true、value_if_false)

[列]{class="badge neutral"}

小於 less-than

小於 ()

輸出為 0 (false) 或 1 ((true)。

範例

Metric 1 < Metric 2

小於或等於 less-than-or-equal

小於或等於 ()

小於或等於。輸出為 0 (false) 或 1 (true)。

範例

Metric 1 <= Metric 2

提升度 lift

提升度(normalizing-container， success-metric， control)

與控制值相比的提升率。

線性迴歸：相關係數 linear-regression-correlation-coefficient

線性迴歸：相關係數 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

線性迴歸：截距 linear-regression-intercept

線性迴歸：截距 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

指數迴歸：預計 Y linear-regression-predicted-y

線性迴歸：預測 Y (metric_X、metric_Y、include_zeros)

[列]{class="badge neutral"}

線性迴歸：斜率 linear-regression-slope

線性迴歸：斜率 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

以 10 為底的對數 log-base-ten

以 10 為底的對數 (量度)

[列]{class="badge neutral"}

對數迴歸：相關係數 log-regression-correlation-coefficient

對數迴歸：相關係數 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

對數迴歸：截距 log-regression-intercept

對數迴歸：截距 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

對數迴歸：預計 Y log-regression-predicted-y

對數迴歸：預測 Y (metric_X、metric_Y、include_zeros)

[列]{class="badge neutral"}

對數迴歸：斜率 log-regression-slope

對數迴歸：斜率 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

自然對數 natural-log

自然對數 (量度)

傳回數字的自然對數。自然對數是以常數 e (2.71828182845904) 為底數。LN 是 EXP 函數的反函數。

非 not

非 (邏輯)

否定是一種布林值。輸出為 0 (否) 或 1 (是)。

不等於 not-equal

不等於 ()

不等於。輸出為 0 (false) 或 1 (true)。

範例

Metric 1 != Metric 2

或 or

或 (邏輯測試)

[列]{class="badge neutral"}

Pi pi

PI ()

傳回 Pi：3.14159…

乘冪迴歸：相關係數 power-regression-correlation-coefficient

乘冪迴歸：相關係數 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

乘冪迴歸：截距 power-regression-intercept

乘冪迴歸：截距 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

乘冪迴歸：預計 Y power-regression-predicted-y

乘冪迴歸：預測 Y (metric_X、metric_Y、include_zeros)

[列]{class="badge neutral"}

乘冪迴歸：斜率 power-regression-slope

乘冪迴歸：斜率 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

二次迴歸：相關係數 quadratic-regression-correlation-coefficient

二次迴歸：相關係數 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

二次迴歸：截距 quadratic-regression-intercept

二次迴歸：截距 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

二次迴歸：預計 Y quadratic-regression-predicted-y

二次迴歸：預測 Y (metric_X、metric_Y、include_zeros)

[列]{class="badge neutral"}

二次迴歸：斜率 quadratic-regression-slope

二次迴歸：斜率 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

倒數迴歸：相關係數 reciprocal-regression-correlation-coefficient

倒數迴歸：相關係數 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

倒數迴歸：截距 reciprocal-regression-intercept

倒數迴歸：截距 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

倒數迴歸：預計 Y reciprocal-regression-predicted-y

倒數迴歸：預測 Y (metric_X、metric_Y、include_zeros)

[列]{class="badge neutral"}

倒數迴歸：斜率 reciprocal-regression-slope

倒數迴歸：斜率 (metric_X、metric_Y、include_zeros)

[表格]{class="badge neutral"}

範例變數

範例變異數(normalizing-container， success-metric)

計算樣本變異數的預估值。

正弦 sine

正弦 (量度)

[列]{class="badge neutral"}

T 分數 t-score

T 分數 (量度，包括零)

平均值的偏差除以標準差。Z 分數的別名。

T 檢定 t-test

T 檢定 (量度、度數、尾部)

執行 m 尾 t 檢定，使用 x 的 t 分數和 n 自由度。

詳細資料

此簽名為 T 檢定 (量度、角度、尾部)。底下其僅呼叫 m CDF-T(-ABSOLUTE VALUE(tails), degrees)。此函數類似於 Z 檢定 函數，此函數執行 m CDF-Z(-ABSOLUTE VALUE(tails))。

傳回值是在給定自由度和反面的數目下，出現檢定統計資料 x 的機率。

範例

正切 tangent

正切 (量度)

傳回指定角度的正切。如果角度以度數表示，請將角度乘以 PI()/180。

Z 分數 z-score

Z 分數 (量度，包括零)

[列]{class="badge neutral"}

Z 分數為 0 (零) 表示分數與平均值相同。Z 分數可為正或負，代表其高於或低於平均值多少標準差。

Z 分數的方程式為：

其中 x 是原始分數，μ 是群體平均值，σ 是群體標準差。

Z 檢定 z-test

Z 檢定 (metric_tails)

執行 n 尾 z 檢定，使用 x 的 z 分數。