進階函數

使用計算量度產生器可套用統計和數學函數。本文記錄進階函式及其定義的字母順序清單。

在[元件]面板中選取 函式 ​清單下的​ 顯示全部，以存取這些函式。 向下捲動以檢視​ 進階函式 ​的清單。

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。在這種情況下，您可以選擇不檢查引數以包含零。

與 and

AND(logical_test)

結合。不等於零為是，等於零為否。輸出為 0 (否) 或 1 (是)。

近似計數相異 approximate_count_distinct

近似的相異計數（維度）

傳回選定維度之維度項目的近似相異計數。

範例

此函式的常見使用案例是當您想要取得大致數量的客戶時。

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

上限（量度）

[列]{class="badge neutral"}

信賴度 confidence

信賴度(normalizing-container， success-metric， control， implementation-treshold)

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(normalizing-container， success-metric， control， implementation-treshold)

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(normalizing-container， success-metric， control， implementation-treshold)

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

CUBE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

此函式不適用於比率量度，例如每人收入。 此函式計算比率的平均值，而非將過去N期的收入相加、將過去N期的人員相加，然後再將兩者相除。
請改用 累積（收入） 累積（人員）。

等於 equal

EQUAL()

等於。輸出為 0 (否) 或 1 (是)。

範例

Metric 1 = Metric 2

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

指數回歸：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

指數回歸：預計Y(metric_X， metric_Y， include_zeros)

[列]{class="badge neutral"}

指數迴歸：截距 exponential-regression-intercept

指數回歸：截距(metric_X， metric_Y， include_zeros)

[表格]{class="badge neutral"}

指數迴歸：斜率 exponential-regression-slope

指數回歸：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 (否) 或 1 (是)。

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 (否) 或 1 (是)。

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 (否) 或 1 (是)。

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 (否) 或 1 (是)。

範例

Metric 1 <= Metric 2

提升度 (#lift)

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

線性回歸：相關係數(metric_X， metric_Y， include_zeros)

[表格]{class="badge neutral"}

線性迴歸：截距 linear-regression-intercept

線性回歸：截距(metric_X， metric_Y， include_zeros)

[表格]{class="badge neutral"}

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

線性回歸：預計Y(metric_X， metric_Y， include_zeros)

[列]{class="badge neutral"}

線性迴歸：斜率 linear-regression-slope

線性回歸：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為基數的記錄檔（量度）

[列]{class="badge neutral"}

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

對數回歸：相關係數(metric_X， metric_Y， include_zeros)

[表格]{class="badge neutral"}

對數迴歸：截距 log-regression-intercept

對數回歸：截距(metric_X， metric_Y， include_zeros)

[表格]{class="badge neutral"}

對數迴歸：預計 Y log-regression-predicted-y

對數回歸：預計Y(metric_X， metric_Y， include_zeros)

[列]{class="badge neutral"}

對數迴歸：斜率 log-regression-slope

對數回歸：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。

Not not

NOT（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 (否) 或 1 (是)。

範例

Metric 1 != Metric 2

或 or

OR(logical_test)

[列]{class="badge neutral"}

Pi pi

PI()

傳回 Pi：3.14159…

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

乘冪回歸：相關係數(metric_X， metric_Y， include_zeros)

[表格]{class="badge neutral"}

乘冪迴歸：截距 power-regression-intercept

乘冪回歸：截距(metric_X， metric_Y， include_zeros)

[表格]{class="badge neutral"}

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

乘冪回歸：預計Y(metric_X， metric_Y， include_zeros)

[列]{class="badge neutral"}

乘冪迴歸：斜率 power-regression-slope

乘冪回歸：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

二次回歸：相關係數(metric_X， metric_Y， include_zeros)

[表格]{class="badge neutral"}

二次迴歸：截距 quadratic-regression-intercept

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

[表格]{class="badge neutral"}

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

二次回歸：預計Y(metric_X， metric_Y， include_zeros)

[列]{class="badge neutral"}

二次迴歸：斜率 quadratic-regression-slope

二次回歸：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

倒數回歸：相關係數(metric_X， metric_Y， include_zeros)

[表格]{class="badge neutral"}

倒數迴歸：截距 reciprocal-regression-intercept

倒數回歸：截距(metric_X， metric_Y， include_zeros)

[表格]{class="badge neutral"}

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

倒數回歸：預計Y(metric_X， metric_Y， include_zeros)

[列]{class="badge neutral"}

倒數迴歸：斜率 reciprocal-regression-slope

倒數回歸：斜率(metric_X， metric_Y， include_zeros)

[表格]{class="badge neutral"}

正弦 sine

SINE（量度）

[列]{class="badge neutral"}

T 分數 t-score

T-SCORE（公制，包含_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（公制、度、尾）

執行 m 尾 t 檢定，使用 x 的 t 分數和 n 自由度。

詳細資料

簽章是T-TEST（公制、度、尾）。 在下面，它只會呼叫​ m CDF-T(-ABSOLUTE VALUE(tails), degrees)。 此函式類似於​ Z-TEST ​函式，它執行​ 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-SCORE（公制，包含_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 ​是母體的平均值，σ ​是母體的標準差。

Z 檢定 z-test

Z-TEST(metric_tails)

執行 n 尾 z 檢定，使用 x 的 z 分數。