Show Menu
THEMEN×

Referenz: Erweiterte Funktionen

Access these functions by checking Show Advanced in the Functions drop-down list.

Vergleich zwischen Tabellenfunktionen und Zeilenfunktionen

Bei einer Tabellenfunktion ist die Ausgabe für jede Tabellenzeile gleich. Bei einer Zeilenfunktion ist die Ausgabe für jede Tabellenzeile unterschiedlich.

Was bedeutet der Parameter „Include-Zeros“?

Damit wird angegeben, ob Nullen in die Berechnung einbezogen werden sollen. In manchen Fällen bedeutet eine Null „nichts“, in anderen Fällen kann sie aber auch wichtig sein.
Beispiel: Wenn Sie mit einer Umsatzmetrik arbeiten und dem Bericht dann eine Seitenansichtsmetrik hinzufügen, gibt es plötzlich mehr Zeilen für den Umsatz, die alle Nullwerte enthalten. Dies soll sich sicherlich nicht auf Berechnungen für arithmetisches Mittel, Minimum, Quartil usw. auswirken, die Sie für die Umsatzspalte eingerichtet haben. In diesem Fall würden Sie den include-zeros-Parameter aktivieren.
Wenn Sie allerdings an zwei Metriken interessiert sind, soll vielleicht nicht eine Metrik einen höheren Durchschnitt oder Mindestwert erhalten, weil einige seiner Zeilen Null waren. Daher würden Sie den Parameter zum Einbeziehen der Nullwerte nicht aktivieren.

UND

Gibt den Wert des zugehörigen Arguments zurück. Mit „NICHT“ können Sie sicherstellen, dass ein Wert nicht mit einem bestimmten Wert übereinstimmt.
0 (null) bedeutet "False", und jeder andere Wert ist "True".
AND(logical_test1,[logical_test2],...)

Argument
Beschreibung
logical_test1
Erforderlich. Jeder Wert oder Ausdruck, der als TRUE oder FALSE ausgewertet werden kann.
logical_test2
Optional. Zusätzliche Bedingungen, die als TRUE oder FALSE ausgewertet werden sollen.

Ungefährer Distinct Count (Dimension)

Gibt den ungefähren Distinct Count für die Elemente der ausgewählten Dimension zurück. Diese Funktion verwendet die HyperLogLog (HLL)-Methode zur ungefähren Bestimmung des Distinct Count. Sie ist entsprechend eingestellt, um zu garantieren, dass der Wert zu 95 % der Zeit 5 % des tatsächlichen Werts beträgt.
Approximate Count Distinct (dimension)

Argument
dimension
Die Dimension, für die Sie den ungefähren Distinct Count für Elemente ermitteln möchten.

Beispielanwendungsfall

Ungefährer Distinct Count (Kunden-ID-eVar) ist ein typischer Anwendungsfall für diese Funktion.
Definition für eine neue berechnete Metrik "Ungefähre Kunden":
So könnte die „Ungefähre Kunden“-Metrik für Berichte verwendet werden:

Individuelle Werte überschritten

Ebenso wie Count() und RowCount() unterliegt Ungefährer Distinct Count() „Uniques überschritten“-Beschränkungen . Wird für eine Dimension in einem bestimmten Monat die „Uniques überschritten“-Beschränkung erreicht, wird der Wert als 1 Dimensionselement gezählt.

Vergleich von Count-Funktionen

Ungefährer Distinct Count() ist eine Verbesserung im Vergleich zu Count()- und RowCount()-Funktionen, da die dadurch erstellte Metrik in allen Dimensionsberichten verwendet werden kann, um eine ungefähre Elementanzahl für eine separate Dimension zu rendern. Beispielsweise wird eine Anzahl an Kunden-IDs in einem Bericht zu Mobilgerätetypen verwendet.
Diese Funktion ist etwas weniger genau als Count() und RowCount(), da die HLL-Methode verwendet wird. Bei Count() und RowCount() hingegen handelt es sich um genaue Anzahlen.

Arkuskosinus (Zeile)

Gibt den Arkuskosinus (oder umgekehrten Kosinus) einer Metrik zurück. Der Arkuskosinus ist der Winkel, dessen Kosinus die Zahl ist. Der zurückgegebene Winkel wird in Radianten im Bereich zwischen 0 (null) und Pi angegeben. Wenn Sie das Ergebnis von Radianten in Grad umrechnen möchten, multiplizieren Sie es mit 180/PI( ).
ACOS(metric)

Argument
metric
Der Kosinus des gewünschten Winkels von -1 bis 1.

Arkussinus (Zeile)

Gibt den Arkussinus (oder umgekehrten Sinus) einer Zahl zurück. Der Arkussinus ist der Winkel, dessen Sinus die Zahl ist. Der zurückgegebene Winkel wird in Radianten im Bereich zwischen -Pi/2 und Pi/2 angegeben. Um den Arkussinus in Grad auszudrücken, multiplizieren Sie das Ergebnis mit 180/PI( ).
ASIN(metric) 

Argument
metric
Der Kosinus des gewünschten Winkels von -1 bis 1.

Arkustangens (Zeile)

Gibt den Arkustangens (oder umgekehrten Tangens) einer Zahl zurück. Der Arkustangens ist der Winkel, dessen Tangens die Zahl ist. Der zurückgegebene Winkel wird in Radianten im Bereich zwischen -Pi/2 und Pi/2 angegeben. Um den Arkustangens in Grad auszudrücken, multiplizieren Sie das Ergebnis mit 180/PI( ).
ATAN(metric)

Argument
metric
Der Kosinus des gewünschten Winkels von -1 bis 1.

Exponentielle Regression: Vorhersage für Y (Zeile)

Berechnet die prognostizierten y-Werte (metric_Y) anhand der bekannten x-Werte (metric_X) mittels der Methode der kleinsten Quadrate für die Berechnung der Ausgleichsgeraden basierend auf .
ESTIMATE.EXP(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Cdf-T

Gibt den Prozentsatz von Werten in studentischer t-Verteilung mit n Freiheitsgraden zurück, die einen z-Wert unter x aufweisen.
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

Gibt den Prozentsatz von Werten in einer Normalverteilung zurück, die einen z-Wert unter x aufweisen.
cdf_z( -∞ ) = 0 
cdf_z( ∞ ) = 1 
cdf_z( 0 ) = 0.5 
cdf_z( 2 ) ? 0.97725 
cdf_z( -3 ) ? 0.0013499 
 

Nächsthöhere ganze Zahl (Ceiling) (Zeile)

Gibt die kleinste Ganzzahl zurück, die nicht kleiner als ein angegebener Wert ist. Beispiel: Wenn Sie keine Währungsdezimalzahlen für den Umsatz in Berichte aufnehmen möchten und ein Produkt einen Umsatz von 569,34 US-Dollar aufweist, können Sie mit der Formel CEILING( Umsatz ) den Umsatz bis zum nächsten Dollar aufrunden (in diesem Fall 570 US-Dollar).
CEILING(metric)

Argument
Beschreibung
metric
Die Metrik, die gerundet werden soll.

Kosinus (Zeile)

Gibt den Kosinus des angegebenen Winkels zurück. Wenn der Winkel in Grad vorliegt, multiplizieren Sie ihn mit PI( )/180.
COS(metric)

Argument
Beschreibung
metric
Der Winkel in Radianten, für den Sie den Kosinus ermitteln möchten.

Kubikwurzel

Gibt die positive Kubikwurzel einer Zahl zurück. Die Kubikwurzel einer Zahl ist der Wert dieser Zahl hoch 1/3.
CBRT(metric)

Argument
Beschreibung
metric
Die Metrik, für die Sie die Kubikwurzel abrufen möchten.

Zusammengefasst

Gibt die Summe von x für die letzten N Zeilen zurück (angeordnet nach Dimension mit Hashwerten für zeichenfolgenbasierte Felder).
Wenn N <= 0 ist, werden alle vorherigen Zeilen verwendet. Da die Anordnung nach Dimensionen erfolgt, ist dies nur bei Dimensionen mit einer natürlichen Reihenfolge nützlich, wie Datum oder Pfadlänge.
| Date | Rev  | cumul(0,Rev) | cumul(2,Rev) | 
|------+------+--------------+--------------| 
| May  | $500 | $500         | $500         | 
| June | $200 | $700         | $700         | 
| July | $400 | $1100        | $600         | 
 

Kumulativer Durchschnitt

Gibt den Durchschnitt der letzten N Zeilen zurück.
Wenn N <= 0 ist, werden alle vorherigen Zeilen verwendet. Da die Anordnung nach Dimensionen erfolgt, ist dies nur bei Dimensionen mit einer natürlichen Reihenfolge nützlich, wie Datum oder Pfadlänge.
Dies funktioniert nicht wie erwartet mit Metriken wie Umsatz/Besucher: es berechnet die Durchschnittswerte der Raten, anstatt den Umsatz über die letzten N zu erfassen und Besucher über die letzten N zu summieren und sie dann zu teilen. Verwenden Sie stattdessen
cumul(revenue)/cumul(visitor)

Gleich

Gibt Elemente mit einer exakten Entsprechung für numerische oder Zeichenfolgenwerte wieder.

Exponentielle Regression: Korrelationskoeffizient (Tabelle)

Returns the correlation coefficient, r , between two metric columns ( metric_A and metric_B ) for the regression equation .
CORREL.EXP(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, die mit metric_Y korreliert werden soll.
metric_Y
Die Metrik, die mit metric_X korreliert werden soll.

Exponentielle Regression: Konstante (Tabelle)

Returns the intercept, b , between two metric columns ( metric_X and metric_Y ) for
INTERCEPT.EXP(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Exponentielle Regression: Steigung (Tabelle)

Returns the slope, a , between two metric columns ( metric_X and metric_Y ) for .
SLOPE.EXP(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Nächstniedrigere ganze Zahl (Floor) (Zeile)

Gibt die größte Ganzzahl zurück, die nicht größer als ein angegebener Wert ist. Beispiel: Wenn Sie keine Währungsdezimalzahlen für den Umsatz in Berichte aufnehmen möchten und ein Produkt einen Umsatz von 569,34 US-Dollar aufweist, können Sie mit der Formel FLOOR( Umsatz ) den Umsatz bis zum nächsten Dollar abrunden (in diesem Fall 569 US-Dollar).
FLOOR(metric)

Argument
Beschreibung
metric
Die Metrik, die gerundet werden soll.

Größer als

Gibt Elemente zurück, deren numerische Anzahl größer als der eingegebene Wert ist.

Größer gleich

Gibt Elemente zurück, deren numerische Anzahl größer als der eingegebene Wert ist oder damit übereinstimmt.

Hyperbelkosinus (Zeile)

Gibt den Hyperbelkosinus einer Zahl zurück.
COSH(metric)

Argument
Beschreibung
metric
Der Winkel in Radianten, für den Sie den Hyperbelkosinus ermitteln möchten.

Hyperbelsinus (Zeile)

Gibt den Hyperbelsinus einer Zahl zurück.
SINH(metric)

Argument
Beschreibung
metric
Der Winkel in Radianten, für den Sie den Hyperbelsinus ermitteln möchten.

Hyperbeltangens (Zeile)

Gibt den Hyperbeltangens einer Zahl zurück.
TANH(metric)

Argument
Beschreibung
metric
Der Winkel in Radianten, für den Sie den Hyperbeltangens ermitteln möchten.

WENN (Zeile)

Die WENN-Funktion gibt einen Wert zurück, wenn eine angegebene Bedingung TRUE ergibt, und einen anderen Wert, wenn diese Bedingung FALSE ergibt.
IF(logical_test, [value_if_true], [value_if_false])

Argument
Beschreibung
logical_test
Erforderlich. Jeder Wert oder Ausdruck, der als TRUE oder FALSE ausgewertet werden kann.
Der Wert, der zurückgegeben soll, wenn das Argument logical_test TRUE ergibt. (Für dieses Argument wird standardmäßig 0 verwendet, wenn es nicht angegeben wird.)
Der Wert, der zurückgegeben soll, wenn das Argument logical_test FALSE ergibt. (Für dieses Argument wird standardmäßig 0 verwendet, wenn es nicht angegeben wird.)

Kleiner als

Gibt Elemente zurück, deren numerische Anzahl kleiner als der eingegebene Wert ist.

Kleiner gleich

Gibt Elemente zurück, deren numerische Anzahl kleiner als der eingegebene Wert ist oder damit übereinstimmt.

Lineare Regression: Korrelationskoeffizient

Y = a X + b. Gibt den Korrelationskoeffizienten zurück.

Lineare Regression: Konstante

Y = a X + b. Gibt b zurück.

Lineare Regression: Vorhersage für Y

Y = a X + b. Gibt Y zurück.

Lineare Regression: Steigung

Y = a X + b. Gibt a zurück.

Logarithmus zur Basis 10 (Zeile)

Gibt den Logarithmus zur Basis 10 einer Zahl zurück.
LOG10(metric)

Argument
Beschreibung
metric
Die positive reale Zahl, dessen Logarithmus zur Basis 10 gewünscht ist.

Logistische Regression: Korrelationskoeffizient (Tabelle)

Returns the correlation coefficient, r , between two metric columns ( metric_X and metric_Y ) for the regression equation Y = a ln(X) + b. Dies wird mit der Gleichung CORREL berechnet.
CORREL.LOG(metric_X,metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, die mit metric_Y korreliert werden soll.
metric_Y
Die Metrik, die mit metric_X korreliert werden soll.

Logistische Regression: Konstante (Tabelle)

Gibt die Konstante b als die Regression der kleinsten Quadrate zwischen zwei Metrikspalten ( metric_X und metric_Y ) für die Regressionsgleichung Y = a ln(X) + b zurück. Dies wird mit der Gleichung INTERCEPT berechnet.
INTERCEPT.LOG(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Logistische Regression: Vorhersage für Y (Zeile)

Calculates the predicted y values (metric_Y), given the known x values (metric_X) using the "least squares" method for calculating the line of best fit based on Y = a ln(X) + b. Dies wird mit der Gleichung ESTIMATE berechnet.
In der Regressionsanalyse berechnet diese Funktion die prognostizierten y-Werte ( metric_Y ) anhand der bekannten x-Werte ( metric_X ) mithilfe des Logarithmus zur Berechnung der Ausgleichsgraden für die Regressionsgleichung Y = a ln(X) + b. Die a-Werte entsprechen den jeweiligen x-Werten und b ist eine Konstante.
ESTIMATE.LOG(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Logistische Regression: Steigung (Tabelle)

Returns the slope, a , between two metric columns ( metric_X and metric_Y ) for the regression equation Y = a ln(X) + b. Dies wird mit der Gleichung SLOPE berechnet.
SLOPE.LOG(metric_A, metric_B)

Argument
Beschreibung
metric_A
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_B
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Natürlicher Logarithmus

Gibt den natürlichen Logarithmus einer Zahl zurück. Natürliche Logarithmen basieren auf der Konstante e (2,71828182845904). LN ist die Umkehrung der Exponentialfunktion.
LN(metric)

Argument
Beschreibung
metric
Die positive reale Zahl, deren natürlicher Logarithmus gewünscht ist.

NICHT

Gibt 1 zurück, wenn die Zahl 0 ist, oder gibt 0 zurück, wenn es eine andere Zahl ist.
NOT(logical)

Argument
Beschreibung
logisch
Erforderlich. Ein Wert oder Ausdruck, der als TRUE oder FALSE ausgewertet werden kann.
Bei Verwendung von NICHT müssen Sie wissen, ob die Ausdrücke (<, >, =, <> usw.) 0- oder 1-Werte zurückgeben.

Ungleich

Gibt alle Elemente zurück, die keine exakte Übereinstimmung mit dem eingegebenen Wert enthalten.

Oder (Zeile)

Gibt TRUE zurück, wenn ein Argument TRUE ist, oder FALSE, wenn alle Argumente FALSE sind.
0 (null) bedeutet "False", und jeder andere Wert ist "True".
OR(logical_test1,[logical_test2],...)

Argument
Beschreibung
logical_test1
Erforderlich. Jeder Wert oder Ausdruck, der als TRUE oder FALSE ausgewertet werden kann.
logical_test2
Optional. Zusätzliche Bedingungen, die als TRUE oder FALSE ausgewertet werden sollen.

Pi

Gibt die Konstante PI (3,14159265358979) mit 15 Stellen zurück.
PI()

Die Funktion PI weist keine Argumente auf.

Potenzregression: Korrelationskoeffizient (Tabelle)

Returns the correlation coefficient, r , between two metric columns ( metric_X and metric_Y ) for Y = b*X.
CORREL.POWER(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, die mit metric_Y korreliert werden soll.
metric_Y
Die Metrik, die mit metric_X korreliert werden soll.

Potenzregression: Konstante (Tabelle)

Returns the intercept, b , between two metric columns ( metric_X and metric_Y ) for Y = b*X.
 INTERCEPT.POWER(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Potenzregression: Vorhersage für Y (Zeile)

Calculates the predicted y values ( metric_Y), given the known x values ( metric_X) using the "least squares" method for calculating the line of best fit for Y = b*X.
 ESTIMATE.POWER(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Potenzregression: Steigung (Tabelle)

Returns the slope, a , between two metric columns ( metric_X and metric_Y ) for Y = b*X.
SLOPE.POWER(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Quadratische Regression: Korrelationskoeffizient (Tabelle)

Returns the correlation coefficient, r , between two metric columns ( metric_X and metric_Y ) for Y=(a*X+b).
CORREL.QUADRATIC(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, die mit metric_Y korreliert werden soll.
metric_Y
Die Metrik, die mit metric_X korreliert werden soll.

Quadratische Regression: Konstante (Tabelle)

Returns the intercept, b , between two metric columns ( metric_X and metric_Y ) for Y=(a*X+b).
INTERCEPT.POWER(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Quadratische Regression: Vorhersage für Y (Zeile)

Calculates the predicted y values (metric_Y), given the known x values (metric_X) using the least squares method for calculating the line of best fit using Y=(a*X+b) .
ESTIMATE.QUADRATIC(metric_A, metric_B)

Argument
Beschreibung
metric_A
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_B
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.

Quadratische Regression: Steigung (Tabelle)

Returns the slope, a , between two metric columns ( metric_X and metric_Y) for Y=(a*X+b).
SLOPE.QUADRATIC(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Reziproke Regression: Korrelationskoeffizient (Tabelle)

Gibt den Korrelationskoeffizienten r zwischen zwei Metrikspalten ( metric_X und metric_Y ) für Y = a/X+b zurück.
CORREL.RECIPROCAL(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, die mit metric_Y korreliert werden soll.
metric_Y
Die Metrik, die mit metric_X korreliert werden soll.

Reziproke Regression: Konstante (Tabelle)

Returns the intercept, b , between two metric columns ( metric_X and metric_Y ) for Y = a/X+b.
INTERCEPT.RECIPROCAL(metric_A, metric_B)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Reziproke Regression: Vorhersage für Y (Zeile)

Calculates the predicted y values (metric_Y), given the known x values (metric_X) using the least squares method for calculating the line of best fit using Y = a/X+b.
ESTIMATE.RECIPROCAL(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Reziproke Regression: Steigung (Tabelle)

Returns the slope, a , between two metric columns ( metric_X and metric_Y ) for Y = a/X+b.
SLOPE.RECIPROCAL(metric_X, metric_Y)

Argument
Beschreibung
metric_X
Die Metrik, der ein abhängiger Datenstatus zugewiesen werden soll.
metric_Y
Die Metrik, der unabhängiger Datenstatus zugewiesen werden soll.

Sinus (Zeile)

Gibt den Sinus des angegebenen Winkels zurück. Wenn der Winkel in Grad vorliegt, multiplizieren Sie ihn mit PI( )/180.
SIN(metric)

Argument
Beschreibung
metric
Der Winkel in Radianten, für den Sie den Sinus ermitteln möchten.

t-Transformation

Alias für z-Transformation, also die Abweichung vom arithmetischen Mittel geteilt durch die Standardabweichung.

t-Test

Führt einen m-seitigen t-Test mit einem t-Wert von Spalte und n Freiheitsgraden durch.
Die Unterschrift ist t_test( x, n, m ) . Darunter wird einfach m*cdf_t(-abs(x),n) gerufen. (This is similar to the z-test function which runs m*cdf_z(-abs(x)) .
Hier gibt m die Anzahl der Seiten und n die Freiheitsgrade an. Hierbei sollte es sich um Ziffern handeln (im gesamten Bericht konstant, d. h. die Werte sollten nicht von Zeile zu Zeile variieren).
X ist die t-Test-Statistik. Hierbei handelt es sich häufig um eine auf einer Metrik basierende Formel (z. B. z-Wert), die in jeder Zeile bewertet wird.
Der Rückgabewert ist die Wahrscheinlichkeit, die Teststatistik x zu erhalten, bei gegebenen Freiheitsgraden und der Anzahl an Seiten.
Beispiele:
  1. Verwenden Sie ihn zum Auffinden von Ausreißern:
    t_test( zscore(bouncerate), row-count-1, 2)
    
    
  2. Kombinieren Sie ihn mit if , um sehr hohe oder niedrige Absprungraten zu ignorieren und alle weiteren Besuche zu zählen:
    if ( t_test( z-score(bouncerate), row-count, 2) < 0.01, 0, visits )
    
    

Tangens

Gibt den Tangens des angegebenen Winkels zurück. Wenn der Winkel in Grad vorliegt, multiplizieren Sie ihn mit PI( )/180.
TAN (metric)

Argument
Beschreibung
metric
Der Winkel in Radianten, für den Sie den Tangens ermitteln möchten.

z-Transformation (Zeile)

Gibt die z-Transformation oder Normaltransformation basierend auf einer Normalverteilung zurück. Die z-Transformation ist die Anzahl der Standardabweichungen, die eine Beobachtung vom arithmetischen Mittel darstellt. Eine z-Transformation von 0 (null) gibt an, dass die Transformation mit dem arithmetischen Mittel identisch ist. Eine z-Transformation kann positiv oder negativ sein, abhängig davon, ob sie über oder unter dem arithmetischen Mittel liegt und um wie viele Standardabweichungen es sich handelt.
Die Gleichung für z-Transformation lautet:
wobei x der Rohwert, μ das arithmetische Mittel der Population und σ die Standardabweichung der Population ist.
μ (mu) undσ (sigma) werden automatisch aus der Metrik berechnet.
z-score(metric)
Argument Beschreibung
metric
Gibt den Wert des ersten Arguments ungleich null zurück.

z-Test

Führt einen n-seitigen z-Test mit einem z-Wert von A durch.
Gibt zurück, wie wahrscheinlich es ist, dass die aktuelle Zeile zufällig in der Spalte gesehen wird.
Gehen Sie davon aus, dass die Werte normalerweise verteilt werden.