# 计算方法逻辑说明
在配置事件分析的分析指标、留存或分布分析的同时展示指标时，需要根据分析内容选择合适的计算方法，本章节会对部分方法的逻辑进行说明。
# 预置计算方法
- 总次数：事件被触发了多少次
- 触发用户数：有多少个不重复的用户触发了事件
- 人均次数：即总次数/触发用户数，平均每个触发事件的用户会触发多少次
# 数值型属性
| 计算方法 | 逻辑 |
|---|---|
| 均值 | 即属性值总和/属性值个数 |
| 人均值 | 即属性值总和/触发用户数，平均每个触发事件的用户的属性值总和 |
| 中位数 | 将属性值从大到小排序，位于中间的属性值；如果属性值个数为偶数则中位数为两个中间值的均值 |
均值反映数据的平均表现，但如果存在明显高于或低于其他的属性值时，中位数相比均值更能代表整体情况。假设有4个用户共触发了7次付费事件：
| 用户 | 每次付费金额 |
|---|---|
| A | 6、648 |
| B | 30、30、30 |
| C | 128 |
| D | 6 |
| 计算方法 | 逻辑 |
|---|---|
| N分位数 | 将属性值从大到小排序，位于第N个百分位的属性值，中位数即50分位数 |
除中位数外，一般还会经常使用N分位数来更好地衡量数据分布情况，如观察核心资源存量N分位数的变化情况判断是否要投放新的道具以消耗资源。
| 计算方法 | 逻辑 |
|---|---|
| 方差 | 先统计均值，再计算每个属性值与均值的差值的平方，最后再取平均值 |
| 标准差 | 即方差的平方根 |
方差和标准差可以用于衡量数据的波动情况。假设实验组和对照组的付费金额人均值相似，标准差显著高于对照组，说明实验组的指标数据受大额充值订单影响更大。
# 列表型属性
| 计算方法 | 逻辑 |
|---|---|
| 列表去重数 | 将列表作为一个整体，统计有多少个不重复列表 |
| 集合去重数 | 先对每个列表内元素去重排序得到集合，再统计有多少个不重复的集合 |
| 元素去重数 | 取出所有列表中的所有元素，再统计有多少个不重复的元素 |
在游戏中，经常会将上阵的多个英雄ID记录在列表型属性里。如果您想分析有多少个英雄上阵过，可以用“元素去重数”进行统计；您也可以使用“列表去重数”或“集合去重数”分析有多少种不重复的阵容，后者不会区分英雄在列表里的先后顺序或是否出现多次。
假设有4个列表型属性[a,b,c]、[a,b,c,c]、[c,b,a]和[a,b,c,d]：
- 列表去重数 = 4
- 集合去重数 = 2
- 元素去重数 = 4
# 布尔型属性
| 计算方法 | 逻辑 |
|---|---|
| 为真数、为假数 | 属性值为True/False的事件次数 |
| 为空数、不为空数 | 属性值为null/不为null的事件次数 |