Аналитика
Качество данных, страница 3
Проверка пропусков, единиц измерения, дублей, шкал и корректности расчетов.
251 формула
Таблица формул
Показаны 121-180 из 251. Остальные формулы доступны на соседних страницах подборки.
| Формула | Запись | Тема | Для чего нужна |
|---|---|---|---|
| LTV по валовой марже | $LTV=ARPU\cdot GM\cdot Lifetime$ | Юнит-экономика | LTV по валовой марже: формула LTV=ARPU\cdot GM\cdot Lifetime помогает требуется требуется связать выручку, маржу, привлечение и окупаемость клиента. В тексте есть условия, пример, ошибки и проверка результата. |
| Отношение LTV к CAC | $Ratio=\frac{LTV}{CAC}$ | Юнит-экономика | Отношение LTV к CAC: формула Ratio=\frac{LTV}{CAC} помогает связать выручку, маржу, привлечение и окупаемость клиента. В тексте есть условия, пример, ошибки и проверка результата. |
| Срок окупаемости CAC | $Payback=\frac{CAC}{ARPU\cdot GM}$ | Юнит-экономика | Срок окупаемости CAC: формула Payback=\frac{CAC}{ARPU\cdot GM} помогает связать выручку, маржу, привлечение и окупаемость клиента. В тексте есть условия, пример, ошибки и проверка результата. |
| Маржинальный доход на единицу | $CM=P-VC$ | Юнит-экономика | Маржинальный доход на единицу: формула CM=P-VC помогает требуется требуется связать выручку, маржу, привлечение и окупаемость клиента. В тексте есть условия, пример, ошибки и проверка результата. |
| Коэффициент маржинального дохода | $CMR=\frac{P-VC}{P}$ | Юнит-экономика | Коэффициент маржинального дохода: формула CMR=\frac{P-VC}{P} помогает связать выручку, маржу, привлечение и окупаемость клиента. В тексте есть условия, пример, ошибки и проверка результата. |
| Точка безубыточности в штуках | $Q_{BE}=\frac{FC}{P-VC}$ | Юнит-экономика | Точка безубыточности в штуках: формула Q_{BE}=\frac{FC}{P-VC} помогает требуется требуется связать выручку, маржу, привлечение и окупаемость клиента. В тексте есть условия, пример, ошибки и проверка результата. |
| Точка безубыточности в выручке | $R_{BE}=\frac{FC}{CMR}$ | Юнит-экономика | Точка безубыточности в выручке: формула R_{BE}=\frac{FC}{CMR} помогает связать выручку, маржу, привлечение и окупаемость клиента. В тексте есть условия, пример, ошибки и проверка результата. |
| Удержание клиентов | $Retention=\frac{Customers_{end}-New\ Customers}{Customers_{start}}\cdot100\%$ | Юнит-экономика | Удержание клиентов: формула Retention=\frac{Customers_{end}-New\ Customers}{Customers_{start}}\cdot100\% помогает связать выручку, маржу, привлечение и окупаемость клиента. В тексте есть условия, пример, ошибки и проверка результата. |
| Отток клиентов churn | $Churn=\frac{Lost\ Customers}{Customers_{start}}\cdot100\%$ | Юнит-экономика | Отток клиентов churn: формула Churn=\frac{Lost\ Customers}{Customers_{start}}\cdot100\% помогает связать выручку, маржу, привлечение и окупаемость клиента. В тексте есть условия, пример, ошибки и проверка результата. |
| Линейная функция спроса | $Q_d=a-bP$ | Спрос и предложение | Линейная функция спроса показывает, сколько единиц товара покупатели готовы купить при цене P, если спрос убывает на постоянную величину при росте цены. |
| Обратная функция спроса | $P=\frac{a-Q}{b}$ | Спрос и предложение | Обратная функция спроса выражает цену через количество и показывает максимальную цену, которую покупатели готовы платить за предельную единицу при данном объеме. |
| Линейная функция предложения | $Q_s=c+dP$ | Спрос и предложение | Линейная функция предложения показывает, сколько товара продавцы готовы поставить на рынок при цене P, если предложение растет на постоянную величину при росте цены. |
| Обратная функция предложения | $P=\frac{Q-c}{d}$ | Спрос и предложение | Обратная функция предложения выражает минимальную цену через количество и показывает, по какой цене производители готовы поставить предельную единицу товара. |
| Равновесная цена и количество линейного рынка | $P^*=\frac{a-c}{b+d},\quad Q^*=a-bP^*$ | Спрос и предложение | Равновесие линейного рынка находится там, где объем спроса равен объему предложения, то есть планы покупателей и продавцов совпадают. |
| Дефицит при цене ниже равновесной | $\text{Дефицит}=Q_d(P)-Q_s(P),\quad Q_d>Q_s$ | Спрос и предложение | Дефицит возникает, когда при заданной цене покупатели хотят купить больше товара, чем продавцы готовы поставить на рынок. |
| Избыток при цене выше равновесной | $\text{Избыток}=Q_s(P)-Q_d(P),\quad Q_s>Q_d$ | Спрос и предложение | Избыток возникает, когда при заданной цене продавцы готовы поставить больше товара, чем покупатели готовы купить, поэтому часть предложения остается без сделок. |
| Потребительский излишек при линейном спросе | $CS=\frac{1}{2}(P_{\max}-P^*)Q^*$ | Спрос и предложение | Потребительский излишек при линейном спросе равен площади треугольника между кривой спроса и рыночной ценой до равновесного количества. |
| Производительский излишек при линейном предложении | $PS=\frac{1}{2}(P^*-P_{\min})Q^*$ | Спрос и предложение | Производительский излишек при линейном предложении равен площади треугольника между рыночной ценой и кривой предложения до проданного количества. |
| Общий излишек рынка | $TS=CS+PS$ | Спрос и предложение | Общий излишек рынка равен сумме потребительского и производительского излишка и показывает совокупную выгоду покупателей и продавцов от обмена. |
| Потери общего излишка при сокращении количества | $DWL=\frac{1}{2}(P_d(Q_r)-P_s(Q_r))(Q^*-Q_r)$ | Спрос и предложение | Потери общего излишка возникают, когда рынок производит меньше равновесного количества и часть взаимовыгодных сделок не происходит. |
| Базовая формула процентного изменения | $\frac{X_2 - X_1}{X_1} \times 100\%$ | Эластичность | Базовая формула процентного изменения: формула \frac{X_2 - X_1}{X_1} \times 100\% помогает оценить реакцию спроса или показателя на изменение фактора. В тексте есть условия, пример, ошибки и проверка результата. |
| Ценовая эластичность спроса | $E_d = \left|\frac{\%\Delta Q_d}{\%\Delta P}\right|$ | Эластичность | Ценовая эластичность спроса: формула E_d = \left|\frac{\%\Delta Q_d}{\%\Delta P}\right| помогает требуется требуется требуется требуется требуется требуется требуется оценить реакцию спроса или показателя на изменение фактора. В тексте есть условия, пример, ошибки и проверка результата. |
| Ценовая эластичность предложения | $E_s = \frac{\%\Delta Q_s}{\%\Delta P}$ | Эластичность | Ценовая эластичность предложения: формула E_s = \frac{\%\Delta Q_s}{\%\Delta P} помогает оценить реакцию спроса или показателя на изменение фактора. В тексте есть условия, пример, ошибки и проверка результата. |
| Дуговая эластичность | $E_{arc} = \frac{\frac{Q_2 - Q_1}{(Q_2 + Q_1)/2}}{\frac{P_2 - P_1}{(P_2 + P_1)/2}}$ | Эластичность | Дуговая эластичность: формула E_{arc} = \frac{\frac{Q_2 - Q_1}{(Q_2 + Q_1)/2}}{\frac{P_2 - P_1}{(P_2 + P_1)/2}} помогает оценить реакцию спроса или показателя на изменение фактора. В тексте есть условия, пример, ошибки и проверка результата. |
| Точечная эластичность | $E = \frac{dQ}{dP} \cdot \frac{P}{Q}$ | Эластичность | Точечная эластичность: формула E = \frac{dQ}{dP} \cdot \frac{P}{Q} помогает требуется требуется требуется требуется требуется требуется требуется оценить реакцию спроса или показателя на изменение фактора. В тексте есть условия, пример, ошибки и проверка результата. |
| Перекрестная эластичность спроса | $E_{xy} = \frac{\%\Delta Q_x}{\%\Delta P_y}$ | Эластичность | Перекрестная эластичность спроса: формула E_{xy} = \frac{\%\Delta Q_x}{\%\Delta P_y} помогает оценить реакцию спроса или показателя на изменение фактора. В тексте есть условия, пример, ошибки и проверка результата. |
| Эластичность спроса по доходу | $E_Y = \frac{\%\Delta Q_d}{\%\Delta Y}$ | Эластичность | Эластичность спроса по доходу: формула E_Y = \frac{\%\Delta Q_d}{\%\Delta Y} помогает требуется требуется требуется требуется требуется требуется требуется оценить реакцию спроса или показателя на изменение фактора. В тексте есть условия, пример, ошибки и проверка результата. |
| Выручка и эластичность | $TR = P \cdot Q$ | Эластичность | Выручка и эластичность: формула TR = P \cdot Q помогает требуется требуется требуется требуется требуется выгоднее поднять цену. В тексте есть условия, пример, ошибки и проверка результата. |
| Интерпретация |E| > 1, |E| < 1 и |E| = 1 | $\left|E\right| = \left|\frac{\%\Delta Q}{\%\Delta X}\right|$ | Эластичность | Интерпретация |E| > 1, |E| < 1 и |E| = 1: формула \left|E\right| = \left|\frac{\%\Delta Q}{\%\Delta X}\right| помогает важна сила реакции, а не знак направления. В тексте есть условия, пример, ошибки и проверка результата. |
| Абсолютная погрешность измерения | $\Delta x = |x_{\text{изм}}-x_{\text{ref}}|$ | Инженерные измерения | Абсолютная погрешность показывает, насколько результат измерения отличается от опорного, эталонного или принятого за истинное значения в тех же единицах, что и сама величина. |
| Относительная погрешность измерения | $\delta = \frac{\Delta x}{|x_{\text{ref}}|}\cdot 100\%$ | Инженерные измерения | Относительная погрешность показывает, какую долю от измеряемого или опорного значения составляет абсолютная погрешность, поэтому удобна для сравнения измерений разного масштаба. |
| Приведенная погрешность прибора | $\gamma = \frac{\Delta x_{\max}}{X_N}\cdot 100\%$ | Инженерные измерения | Приведенная погрешность показывает максимальную абсолютную погрешность прибора как процент от нормирующего значения, обычно диапазона или верхнего предела измерения. |
| Среднее значение серии измерений | $\bar{x}=\frac{1}{n}\sum_{i=1}^{n}x_i$ | Инженерные измерения | Среднее значение серии измерений используют как оценку результата, когда одну и ту же величину измеряют несколько раз и хотят уменьшить влияние случайного разброса. |
| Стандартное отклонение серии измерений | $s=\sqrt{\frac{\sum_{i=1}^{n}(x_i-\bar{x})^2}{n-1}}$ | Инженерные измерения | Стандартное отклонение серии измерений оценивает разброс отдельных результатов вокруг среднего и показывает повторяемость измерительного процесса. |
| Стандартная неопределенность среднего | $u_A(\bar{x})=\frac{s}{\sqrt{n}}$ | Инженерные измерения | Стандартная неопределенность среднего показывает, насколько надежно среднее серии измерений оценивает измеряемую величину при случайном разбросе наблюдений. |
| Расширенная неопределенность измерения | $U=k\,u_c$ | Инженерные измерения | Расширенная неопределенность равна комбинированной стандартной неопределенности, умноженной на коэффициент охвата, и используется для записи результата измерения интервалом. |
| Распространение неопределенности суммы и разности | $u_y=\sqrt{u_a^2+u_b^2},\quad y=a\pm b$ | Инженерные измерения | Для суммы или разности независимых величин стандартные неопределенности складываются по квадратам, поэтому итоговая неопределенность больше каждой отдельной составляющей. |
| Распространение неопределенности произведения и частного | $\frac{u_y}{|y|}=\sqrt{\left(\frac{u_a}{a}\right)^2+\left(\frac{u_b}{b}\right)^2},\quad y=a\,b\ \text{или}\ y=\frac{a}{b}$ | Инженерные измерения | Для произведения и частного независимых величин удобно складывать относительные стандартные неопределенности по квадратам, а затем умножать результат на модуль итоговой величины. |
| Допуск и поле допуска размера | $T=D_{\max}-D_{\min}=ES-EI$ | Инженерные измерения | Допуск размера равен разности между верхним и нижним предельными размерами или между верхним и нижним предельными отклонениями. |
| Мощность на валу через крутящий момент и угловую скорость | $P=M\omega$ | Детали машин | Мощность на валу равна произведению крутящего момента на угловую скорость. Формула связывает силовую нагрузку вала с тем, как быстро он вращается. |
| Крутящий момент по мощности и оборотам | $M=\frac{9550P}{n}$ | Детали машин | Крутящий момент в Н·м можно найти по мощности в кВт и частоте вращения в об/мин через инженерную формулу с коэффициентом 9550. |
| Касательное напряжение круглого вала при кручении | $\tau_{\max}=\frac{16M}{\pi d^3}$ | Детали машин | Максимальное касательное напряжение в сплошном круглом валу при кручении зависит от крутящего момента и куба диаметра, поэтому диаметр сильно влияет на прочность. |
| Угол закручивания круглого вала | $\varphi=\frac{ML}{GJ},\quad J=\frac{\pi d^4}{32}$ | Детали машин | Угол закручивания показывает крутильную жесткость вала: чем больше момент и длина, тем сильнее поворот, а чем больше модуль сдвига и полярный момент, тем вал жестче. |
| Нормальное напряжение в стержне или тяге | $\sigma=\frac{F}{A}$ | Детали машин | Нормальное напряжение равно осевой силе, деленной на площадь поперечного сечения. Это базовая формула для растянутых и сжатых деталей машин. |
| Напряжение изгиба круглого вала | $\sigma_b=\frac{32M_b}{\pi d^3}$ | Детали машин | Максимальное нормальное напряжение изгиба в сплошном круглом валу зависит от изгибающего момента и куба диаметра, как и напряжение кручения по размерной чувствительности. |
| Эквивалентное напряжение вала при изгибе и кручении | $\sigma_{\text{экв}}=\sqrt{\sigma_b^2+3\tau_t^2}$ | Детали машин | Эквивалентное напряжение по Мизесу объединяет нормальное напряжение изгиба и касательное напряжение кручения в одну величину для проверки пластического состояния. |
| Напряжение среза шпонки | $\tau_{\text{шп}}=\frac{2M}{d b l}$ | Детали машин | Напряжение среза шпонки оценивает, выдержит ли шпонка передачу крутящего момента между валом и ступицей без срезания по рабочей площади. |
| Растягивающее напряжение в болте | $\sigma_b=\frac{F}{A_s}$ | Детали машин | Растягивающее напряжение в болте равно осевой силе, деленной на расчетную площадь резьбы или опасного сечения, а не на площадь по наружному диаметру. |
| Расчетный ресурс подшипника L10 | $L_{10}=\left(\frac{C}{P}\right)^p$ | Детали машин | Ресурс L10 для подшипника качения показывает базовую расчетную долговечность в миллионах оборотов при 90% надежности по нагрузке C/P и показателю p. |
| Средняя абсолютная ошибка MAE | $\mathrm{MAE}=\frac{1}{n}\sum_{i=1}^{n}|y_i-\hat{y}_i|$ | Прогнозирование | MAE усредняет модули отклонений факта от прогноза и показывает типичный промах в исходных единицах. Метрика удобна для понятного сравнения моделей на одном горизонте, но не усиливает крупные ошибки. |
| Средняя квадратичная ошибка MSE | $\mathrm{MSE}=\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2$ | Прогнозирование | MSE усредняет квадраты ошибок прогноза, поэтому крупные промахи влияют на итог сильнее мелких. Результат измеряется в квадрате исходных единиц и подходит для сравнения моделей на одной проверочной выборке. |
| Корень из среднеквадратичной ошибки RMSE | $\mathrm{RMSE}=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(y_i-\hat{y}_i)^2}$ | Прогнозирование | RMSE - корень из MSE: он сохраняет штраф за крупные ошибки, но возвращает результат в исходные единицы. Метрика показывает типичный размер промаха модели на фиксированном горизонте и наборе фактов. |
| Средняя абсолютная процентная ошибка MAPE | $\mathrm{MAPE}=\frac{100\%}{n}\sum_{i=1}^{n}\left|\frac{y_i-\hat{y}_i}{y_i}\right|$ | Прогнозирование | MAPE показывает среднюю абсолютную ошибку прогноза в процентах от фактических значений. Метрика удобна для рядов разного масштаба, но требует аккуратности при нулевых и очень малых фактах. |
| Взвешенная абсолютная процентная ошибка WAPE | $\mathrm{WAPE}=\frac{\sum_{i=1}^{n}|y_i-\hat{y}_i|}{\sum_{i=1}^{n}|y_i|}\cdot100\%$ | Прогнозирование | WAPE делит суммарную абсолютную ошибку на общий фактический объем. Метрика показывает долю промаха в процентах от всего спроса или оборота и сильнее отражает строки с большим весом. |
| Простое скользящее среднее | $\mathrm{SMA}_t=\frac{x_{t-k+1}+x_{t-k+2}+\ldots+x_t}{k}$ | Прогнозирование | SMA заменяет текущее значение средним по последним k наблюдениям. Это простая база для сглаживания шума и краткосрочного прогноза, но она запаздывает на трендах и резких разворотах. |
| Экспоненциальное сглаживание прогноза | $\hat{y}_{t+1}=\alpha y_t+(1-\alpha)\hat{y}_t$ | Прогнозирование | Экспоненциальное сглаживание обновляет прогноз как смесь последнего факта и прошлого сглаженного уровня. Коэффициент α задает, насколько быстро модель реагирует на свежие изменения ряда. |
| Общее увеличение светового микроскопа | $M=M_{obj}M_{ok}$ | Популяции, рост | Формула показывает, что общее увеличение микроскопа равно произведению увеличения объектива и увеличения окуляра в составной оптической системе. |
| Концентрация клеток по счетной камере | $C=\frac{Nk}{V}$ | Популяции, рост | Формула рассчитывает концентрацию клеток в исходной суспензии по числу посчитанных клеток, коэффициенту разбавления и объему просмотренной части счетной камеры. |
| Экспоненциальный рост популяции | $N(t)=N_0e^{rt}$ | Популяции, рост | Формула описывает идеальный рост популяции, когда относительная скорость прироста постоянна, а ограничения среды пока не заметны. |
| Индекс разнообразия Шеннона | $H=-\sum p_i\ln p_i$ | Экология | Индекс Шеннона оценивает биологическое разнообразие сообщества по долям видов: он растет, когда видов больше и когда их численности распределены более равномерно. |