リファレンス：高度な関数

これらの関数にアクセスするには、関数 ​ドロップダウンリストの「詳細を表示」を選択します。

表関数と行関数

表関数とは、表のどの行についても出力が同じになる関数です。行関数とは、表の各行で出力が異なる関数です。

ゼロを含むパラメーターとは

このパラメーターは、計算にゼロを含むかどうかを示します。ゼロは「何もない」ことを意味する場合もあれば、重要な意味を持つ場合もあります。

例えば、売上高の指標がある場合に、ページビュー数の指標をレポートに追加すると、すべてゼロの売上高の行が突然表示されます。売上高の列にある平均値、最小値、四分位数などの計算にこの状況が影響を及ぼすことは好ましくありません。その場合は、ゼロを含むパラメーターを確認します。

一方、対象とする指標が 2 つある場合は、そのうちの 1 つの指標の一部の行がゼロであったという理由で、その指標の平均値が高い、または最小値を持っているとは言えない可能性があります。したがって、この場合は、ゼロを含むパラメーターを確認しません。

AND

引数の値を返します。値がある特定の値に等しくないことを示すには、NOT を使用します。

AND(logical_test1,[logical_test2],...)

個別概算カウント（ディメンション）

選択したディメンションに関する個別のディメンション項目を概算した数を返します。この関数では、個別カウントを概算する HyperLogLog（HLL）手法を使用しています。この関数は、値が 95％の確率で実際の値から誤差 5％以内にあることを保証するように設定されています。

Approximate Count Distinct (dimension)

使用例

個別概算カウント（顧客 ID eVar）は、この関数の一般的な使用例です。

新しい計算指標「概算顧客数」の定義は次のようになります。

レポートにおける「概算顧客数」指標の使用方法を次に示します。

カウント関数の比較

Approximate Count Distinct() は、Count() 関数および RowCount() 関数を改良したものです。作成した指標を任意のディメンションレポートで使用し、個別のディメンションに関して概算した項目数をレンダリングできます。例としては、モバイルデバイスタイプレポートで使用される顧客 ID 数があります。

この関数は HLL 手法を使用しているので、Count() や RowCount() よりもわずかに精度が低くなります。一方、Count() と RowCount() の数は正確です。

アークコサイン（行）

指標のアークコサイン（逆コサイン）を返します。アークコサインは、そのコサインが数値である角度です。0（ゼロ）～ pi の範囲のラジアンで角度が返されます。結果をラジアンから度に変換する場合は、その結果に 180/PI( ) を掛けます。

ACOS(metric)

アークサイン（行）

数のアークサイン（逆サイン）を返します。アークサインは、そのサインが数値である角度です。-pi/2 ～ pi/2 の範囲のラジアンで角度が返されます。アークサインを度で表すには、結果に 180/PI( ) を掛けます。

ASIN(metric)

アークタンジェント（行）

数のアークタンジェント（逆タンジェント）を返します。アークタンジェントは、そのタンジェントが数値である角度です。-pi/2 ～ pi/2 の範囲のラジアンで角度が返されます。アークタンジェントを度で表すには、結果に 180/PI( ) を掛けます。

ATAN(metric)

指数回帰：予測 Y（行）

「最小二乗」法を使用して最良の当てはめ線を計算し、指定されている既知の x 値（metric_X）に対する予測 y 値（metric_Y）を算出します。

ESTIMATE.EXP(metric_X, metric_Y)

Cdf-T

自由度 n のスチューデントの t 分布の値（z スコアが x 未満）の割合を返します。

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

正規分布の値（z スコアが x 未満）の割合を返します。

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

上限（行）

指定された値以上の最小の整数を返します。例えば、製品価格が $569.34 であり、通貨の小数点以下を売上高としてレポートしない場合は、CEILING(Revenue) という数式を使用して、売上高を直近のドル値（$570）に切り上げます。

CEILING(metric)

信頼性

信頼性は、特定のバリアントがコントロールバリアントと同じであるという証拠がどの程度あるかを示す確率測度です。信頼性が高いほど、コントロールバリアントおよびコントロールバリアント以外のパフォーマンスが等しいという仮定に対する証拠が少ないことを示します。

fx Confidence (normalizing-container, success-metric, control, significance-threshold)

コサイン（行）

指定された角度のコサインを返します。角度が度で表されている場合は、角度に PI( )/180 を掛けます。

COS(metric)

立方根

数の正の立方根を返します。数の立方根は、3 乗してその数になる値です。

CBRT(metric)

累積

最終 N 行の x の合計を返します（ディメンションによって規定されており、文字列ベースのフィールドにハッシュ値を使用します）。

N <= 0 の場合、前のすべての行を使用します。この関数はディメンションによって規定されているので、日付やパスの長さなど、自然順序を持つディメンションでのみ役立ちます。

| Date | Rev  | cumul(0,Rev) | cumul(2,Rev) |
|------+------+--------------+--------------|
| May  | $500 | $500         | $500         |
| June | $200 | $700         | $700         |
| July | $400 | $1100        | $600         |

累加平均

最終 N 行の平均を返します。

N <= 0 の場合、前のすべての行を使用します。この関数はディメンションによって規定されているので、日付やパスの長さなど、自然順序を持つディメンションでのみ役立ちます。

cumul(revenue)/cumul(person)

次と等しい

数字または文字列の値に完全に一致する項目を返します。

指数回帰：相関係数（表）

回帰式に対して、2 つの指標列（metric_A と metric_B）の間の相関係数 r を返します。

CORREL.EXP(metric_X, metric_Y)

指数回帰：切片（表）

以下に対して、2 つの指標列（metric_X と metric_Y）の間の切片 b を返します。

INTERCEPT.EXP(metric_X, metric_Y)

指数回帰：傾き（表）

以下に対して、2 つの指標列（metric_X と metric_Y）の間の傾き a を返します。

SLOPE.EXP(metric_X, metric_Y)

下限（行）

指定された値以下の最大の整数を返します。例えば、製品価格が $569.34 であり、通貨の小数点以下を売上高としてレポートしない場合は、FLOOR(Revenue) という数式を使用して、売上高を直近のドル値（$569）に切り捨てます。

FLOOR(metric)

次よりも大きい

入力された値よりも大きい数字を持つ項目を返します。

次よりも大きいか等しい

入力された値よりも大きいか等しい数字を持つ項目を返します。

ハイパボリックコサイン（行）

数のハイパボリックコサインを返します。

COSH(metric)

ハイパボリックサイン（行）

数のハイパボリックサインを返します。

SINH(metric)

ハイパボリックタンジェント（行）

数のハイパボリックタンジェントを返します。

TANH(metric)

IF（行）

IF 関数は、指定した条件が TRUE の場合に 1 つの値を返し、その条件が FALSE の場合にもう 1 つの値を返します。

IF(logical_test, [value_if_true], [value_if_false])

未満

入力された値よりも小さい数字を持つ項目を返します。

次よりも小さいか等しい

入力された値よりも小さいか等しい数字を持つ項目を返します。

上昇率

コンバージョンにおいて、コントロールバリアントに対する特定のバリアントの上昇率を返します。特定のバリアントとベースラインのパフォーマンスの差のことであり、ベースラインのパフォーマンスで除算し、パーセントで表します。

fx Lift (normalizing-container, success-metric, control)

線形回帰：相関係数

Y = a X + b。相関係数を返します。

線形回帰：切片

Y = a X + b。b を返します。

線形回帰：予測 Y

Y = a X + b。Y を返します。

線形回帰：傾き

Y = a X + b。a を返します。

10 を底とする対数（行）

数の 10 を底とする対数を返します。

LOG10(metric)

対数回帰：相関係数（表）

回帰式 Y = a ln(X) + b に対して、2 つの指標列（metric_X と metric_Y）の間の相関係数 r を返します。計算には CORREL 式を使用します。

CORREL.LOG(metric_X,metric_Y)

対数回帰：切片（表）

回帰式 Y = a ln(X) + b に対して、2 つの指標列（metric_X と metric_Y）の間の最小二乗回帰として、切片 b を返します。計算には INTERCEPT 式を使用します。

INTERCEPT.LOG(metric_X, metric_Y)

対数回帰：予測 Y（行）

最小二乗法で Y = a ln(X) + b に基づいて最良の当てはめ線を計算し、指定されている既知の x 値（metric_X）に対する予測 y 値（metric_Y）を算出します。計算には ESTIMATE 式を使用します。

回帰分析では、この関数は、回帰方程式 Y = a ln(X) + b = a ln() + b の最良の当てはめ線を計算する対数を使用して既知の xx 値（metric_X）に対する予測 y 値（metric_Y）を算出します。a 値は各 x 値に対応し、b は定数値です。

ESTIMATE.LOG(metric_X, metric_Y)

対数回帰：傾き（表）

回帰式 Y = a ln(X) + b に対して、2 つの指標列（metric_X と metric_Y）の間の傾き a を返します。計算には SLOPE 式を使用します。

SLOPE.LOG(metric_A, metric_B)

自然対数

数の自然対数を返します。自然対数の底は定数 e（2.71828182845904）です。LN は、EXP 関数の逆関数です。

LN(metric)

NOT

数が 0 の場合は 1 を返します。別の数の場合は 0 を返します。

NOT(logical)

NOT を使用する場合は、式（<、>、=、<> など）が0 と 1 のどちらの値を返すかを把握しておく必要があります。

等しくない

入力された値の完全一致を含まない項目をすべて返します。

OR（行）

いずれかの引数が TRUE の場合は TRUE を返します。すべての引数が FALSE の場合は FALSE を返します。

OR(logical_test1,[logical_test2],...)

円周率

15 桁の精度の定数 PI（3.14159265358979）を返します。

PI()

PI 関数には引数がありません。

累乗回帰：相関係数（表）

Y = b*X に対して、2 つの指標列（metric_X と metric_Y）の間の相関係数 r を返します。

CORREL.POWER(metric_X, metric_Y)

累乗回帰：切片（表）

Y = b*X に対して、2 つの指標列（metric_X と metric_Y）の間の切片 b を返します。

 INTERCEPT.POWER(metric_X, metric_Y)

累乗回帰：予測 Y（行）

「最小二乗」法を使用して、Y = b*X に対する最良の当てはめ線を計算し、指定されている既知の x 値（metric_X）に対する予測 y 値（metric_Y）を算出します。

 ESTIMATE.POWER(metric_X, metric_Y)

累乗回帰：傾き（表）

Y = b*X に対して、2 つの指標（metric_X と metric_Y）の間の傾き a を返します。

SLOPE.POWER(metric_X, metric_Y)

二次回帰：相関係数（表）

Y=(a*X+b)​ ​ に対して、2 つの指標列（metric_X と metric_Y）の間の相関係数 r を返します。

CORREL.QUADRATIC(metric_X, metric_Y)

二次回帰：切片（表）

Y=(a*X+b) に対して、2 つの指標列（metric_X と metric_Y）の間の切片 b を返します。

INTERCEPT.POWER(metric_X, metric_Y)

二次回帰：予測 Y（行）

最小二乗法で Y=(a*X+b)​ ​ を使用して最良の当てはめ線を計算し、指定されている既知の x 値（metric_X）に対する予測 y 値（metric_Y）を算出します。

ESTIMATE.QUADRATIC(metric_A, metric_B)

二次回帰：傾き（表）

Y=(a*X+b) に対して、2 つの指標列（metric_X と metric_Y）の間の傾き a を返します。

SLOPE.QUADRATIC(metric_X, metric_Y)

逆数回帰：相関係数（表）

Y = a/X+b に対して、2 つの指標列（metric_X と metric_Y）の間の相関係数 r を返します。

CORREL.RECIPROCAL(metric_X, metric_Y)

逆数回帰：切片（表）

Y = a/X+b に対して、2 つの指標列（metric_X と metric_Y）の間の切片 b を返します。

INTERCEPT.RECIPROCAL(metric_A, metric_B)

逆数回帰：予測 Y（行）

最小二乗法で Y = a/X+b を使用して最良の当てはめ線を計算し、指定されている既知の x 値（metric_X）に対する予測 y 値（metric_Y）を算出します。

ESTIMATE.RECIPROCAL(metric_X, metric_Y)

逆数回帰：傾き（表）

Y = a/X+b に対して、2 つの指標（metric_X と metric_Y）の間の傾き a を返します。

SLOPE.RECIPROCAL(metric_X, metric_Y)

サイン（行）

指定された角度のサインを返します。角度が度で表されている場合は、角度に PI( )/180 を掛けます。

SIN(metric)

t スコア

z スコアのエイリアス。つまり、平均値を標準偏差で割って求める偏差値です。

t 検定

t スコア col および自由度 n の t 検定（m-tailed）を実行します。

署名は t_test( x, n, m ) です。その下では、単に m*cdf_t(-abs(x),n) を呼び出します。（これは z 検定関数と似ており、z 検定関数は m*cdf_z(-abs(x)) を実行します）。

ここで、m はテール数、n は自由度です。これらは数値でなければなりません（全体レポートの場合は、行ごとに変わらない定数でなければなりません）。

X は t 検定統計量です。一般的には指標に基づく数式（zscore など）で、すべての行で評価されます。

返される値は、指定された自由度とテール数において検定統計量 x が見られる確率です。

例：

タンジェント

指定された角度のタンジェントを返します。角度が度で表されている場合は、角度に PI( )/180 を掛けます。

TAN (metric)

z スコア（行）

正規分布に基づく z スコア（正規スコア）を返します。z スコアは、観測値が平均値から離れている標準偏差の数です。z スコア 0（ゼロ）は、スコアが平均値と同じであることを意味します。z スコアは正と負のどちらにもなり得ます。平均値を上回るか下回るかを標準偏差の数で示します。

z スコアの式は次のようになります。

ここで、x は生のスコア、μ は母集団の平均値、σ は母集団の標準偏差です。

Z スコア（指標）

Z 検定

z スコア A の Z 検定（n-tailed）を実行します。

現在の行が列に偶然表示される可能性を返します。