pdf free library c# : How to type into a pdf form in reader Library software class asp.net winforms web page ajax fcns110-part185

MicroStrategy Functions Reference
Understanding Functions in MicroStrategy   
1
© 2011 MicroStrategy, Inc.
Additional examples of functions in expressions   
67
Next, create a report that uses this metric, placing the Call Center attribute 
on the row axis and Year attribute on the column axis. The following report 
appears.
In this report it looks like all call centers had a significant decrease in the 
average daily sales in 2003 compared to 2002. However, an average value by 
itself does not represent the complete picture. 
To get more information, you check the standard deviation of daily sales in 
2002 and 2003 for each call center, by adding Standard Deviation in Daily 
Sales to the report. The metric is defined as:
StDev Daily Sales = StDev(Sum(Revenue){~, Day}){~}
How to type into a pdf form in reader - extract form data from PDF in C#.net, ASP.NET, MVC, Ajax, WPF
Help to Read and Extract Field Data from PDF with a Convenient C# Solution
collect data from pdf forms; save pdf forms in reader
How to type into a pdf form in reader - VB.NET PDF Form Data Read library: extract form data from PDF in vb.net, ASP.NET, MVC, Ajax, WPF
Convenient VB.NET Solution to Read and Extract Field Data from PDF
export excel to pdf form; how to fill in a pdf form in reader
Understanding Functions in MicroStrategy
MicroStrategy Functions Reference
1
68
Additional examples of functions in expressions
© 2011 MicroStrategy, Inc.
The resulting report provides the average and the standard deviation of daily 
sales for both years, for each call center.
This report shows that all call centers have greater average daily sales in 
2002 than 2003. They also have higher standard deviations of daily sales in 
2002 than 2003, with the exception of Charleston and Web. This means that 
the volatility of daily sales in 2002 is higher than that for 2003. Therefore, 
the lower average daily sales in 2003 are not necessarily a progressive 
decrease over 2002; they may have been caused by random fluctuations.
Based on this observation, you next want to find out which call centers have a 
statistically significant difference in their average daily sales between these 
two years. You can get the result by testing the hypothesis that the average 
daily sales are the same, against the hypothesis that the average daily sales 
are significantly different. This must be tested for each call center.
The hypothesis testing is accomplished by computing the p-value. In 
statistics, p-value is the probability of making a decision to reject a fact, given 
that the fact is correct. In the context of this example, it is the probability of 
making a mistake by concluding that the average daily sales in 2002 is 
significantly different from 2003, given that actually they are about the 
same. In general, you want to restrict this type of error so that it is smaller 
than a certain tolerance level. This tolerance level is usually set to between 
2.5 – 10.0%.
If you assume that the population standard deviations of daily sales for both 
years are the same, then you can use a function called HomoscedasticTTest 
to compute the p-value. If you assume that the population daily standard 
C# Create PDF from Tiff Library to convert tif images to PDF in C#
Description: Convert to PDF and save it into stream. Parameters: Name, Description, Valid Value. targetType, The target document type will be converted to.
extract data from pdf form; extracting data from pdf forms
C# Create PDF from Excel Library to convert xlsx, xls to PDF in C#
Description: Convert to PDF/TIFF and save it into stream. Parameters: Name, Description, Valid Value. targetType, The target document type will be converted to.
extract data from pdf to excel; extract data from pdf file to excel
MicroStrategy Functions Reference
Understanding Functions in MicroStrategy   
1
© 2011 MicroStrategy, Inc.
Additional examples of functions in expressions   
69
deviations are different, then you must use the function 
HeteroscedasticTTest. The following examples consider both of these 
assumptions and compute the p-value using HomoscedasticTTest and 
HeteroscedasticTTest. 
This report uses simple metrics based on metrics. This is because to calculate 
the p-value, you need to compute the Daily Sales for each call center for each 
day. You also need to group the fact Revenue at the levels of Day and Call 
Center for both years. The fact table DAY_CTR_SLS is available at the levels 
of Employee, Order, and Day. 
Call Center is related to the fact table via Employee. 
You need a table with a structure similar to the following: 
There is no table in the warehouse with this structure; therefore, you need to 
create it temporarily using metrics. These metrics are then used in simple 
metrics to calculate the p-value. 
Follow the steps below to build the necessary metrics for the Hypothesis 
Testing report. 
1 Build a metric to create the column for [Daily Sales in 2003] in the 
temporary table. This metric is defined as:
Daily Sales in 2003 = Sum(Revenue){~, Day}<2003>
The default level notation {~} is placed on the metric since the default is 
to group by an attribute on the report. In this example, that report 
attribute is Call Center.
Call Center
Day
Daily Sales in 2002
Daily Sales in 2003
Northwest
1
123456
123456
...
123456
123456
N
123456
123456
Southeast
1
123456
123456
...
123456
123456
N
123456
123456
C# Create PDF from PowerPoint Library to convert pptx, ppt to PDF
Description: Convert to PDF/TIFF and save it into stream. Parameters: Name, Description, Valid Value. targetType, The target document type will be converted to.
extract pdf form data to xml; extract data from pdf using java
C# Create PDF from Word Library to convert docx, doc to PDF in C#.
Description: Convert to PDF/TIFF and save it into stream. Parameters: Name, Description, Valid Value. targetType, The target document type will be converted to.
extract data from pdf form fields; extract data from pdf to excel online
Understanding Functions in MicroStrategy
MicroStrategy Functions Reference
1
70
Additional examples of functions in expressions
© 2011 MicroStrategy, Inc.
2 Use a transformation to build a metric for the column [Daily Sales in 
2002]. The transformation is necessary because attribute Day is a child of 
attribute Year. To show Daily Sales in Day 1, 2, …, N of 2002 together 
with Daily Sales in Day 1, 2, …, N of 2003, you must use the Last Year’s 
transformation instead of a filter. 
This metric is defined as:
Daily Sales in 2002 = Sum(Revenue){~, Day}<2003>|[Last 
Year’s]|
3 Build the simple metrics to compute the p-value for each call center by 
using the metrics above. The simple metrics are defined as follows:
HeteroscedasticTTest<0, 0>([Daily Sales in 2002], 
[Daily Sales in 2003]){~}
HomoscedasticTTest<0, 0>([Daily Sales in 2002], [Daily 
Sales in 2003]){~}
Create a report template with the two metrics shown above (for p-value) and 
attribute Call Center. The Hypothesis Testing report appears below.
The SQL generated for the report Hypothesis Testing is as follows:
Pass0 - Duration: 0:00:00.09
create table ZZT1Y01007DMD000 (
DAY_DATE TIMESTAMP, 
CALL_CTR_ID BYTE, 
WJXBFS1 DOUBLE)
Pass1 - Duration: 0:00:00.30
C# PDF Convert to Tiff SDK: Convert PDF to tiff images in C#.net
specified zoom value and save it into stream. targetType, The target document type will be converted to zoomValue, The magnification of the original PDF page size
extract data out of pdf file; how to make a pdf form fillable in reader
C# PDF Convert to Word SDK: Convert PDF to Word library in C#.net
specified zoom value and save it into stream. targetType, The target document type will be converted to zoomValue, The magnification of the original PDF page size
extracting data from pdf files; extracting data from pdf to excel
MicroStrategy Functions Reference
Understanding Functions in MicroStrategy   
1
© 2011 MicroStrategy, Inc.
Additional examples of functions in expressions   
71
insert into ZZT1Y01007DMD000 
select a12.[DAY_DATE] AS DAY_DATE,
a11.[CALL_CTR_ID] AS CALL_CTR_ID,
a11.[TOT_DOLLAR_SALES] AS WJXBFS1
from [DAY_CTR_SLS] a11, 
[LU_DAY] a12
where a11.[DAY_DATE] = a12.[LY_DAY_DATE]
anda12.[YEAR_ID] in (2003)
Pass2 - Duration: 0:00:00.02
create table ZZT1Y01007DMD001 (
DAY_DATE TIMESTAMP, 
CALL_CTR_ID BYTE, 
WJXBFS1 DOUBLE)
Pass3 - Duration: 0:00:00.23
insert into ZZT1Y01007DMD001 
select a11.[DAY_DATE] AS DAY_DATE,
a11.[CALL_CTR_ID] AS CALL_CTR_ID,
a11.[TOT_DOLLAR_SALES] AS WJXBFS1
from [DAY_CTR_SLS] a11, 
[LU_DAY] a12
where a11.[DAY_DATE] = a12.[DAY_DATE]
anda12.[YEAR_ID] in (2003)
Pass4 - Duration: 0:00:00.57
select pa1.[CALL_CTR_ID] AS CALL_CTR_ID,
a11.[CENTER_NAME] AS CENTER_NAME,
pa1.[DAY_DATE] AS DAY_DATE,
pa1.[WJXBFS1] AS WJXBFS1,
pa2.[WJXBFS1] AS WJXBFS2,
pa1.[WJXBFS1] AS WJXBFS3,
pa2.[WJXBFS1] AS WJXBFS4
from [ZZT1Y01007DMD000] pa1, 
[ZZT1Y01007DMD001] pa2, 
[LU_CALL_CTR] a11
where pa1.[CALL_CTR_ID] = pa2.[CALL_CTR_ID] and 
pa1.[DAY_DATE] = pa2.[DAY_DATE] and 
pa1.[CALL_CTR_ID] = a11.[CALL_CTR_ID]
Pass5 - Duration: 0:00:00.10
[An Analytical SQL]
Pass6 - Duration: 0:00:00.27
drop table ZZT1Y01007DMD000
Pass7 - Duration: 0:00:00.00
C# Create PDF from CSV to convert csv files to PDF in C#.net, ASP.
Description: Convert to PDF/TIFF and save it into stream. Parameters: Name, Description, Valid Value. targetType, The target document type will be converted to.
exporting data from excel to pdf form; extract data from pdf form to excel
C# Create PDF from OpenOffice to convert odt, odp files to PDF in
Description: Convert to PDF/TIFF and save it into stream. Parameters: Name, Description, Valid Value. targetType, The target document type will be converted to.
flatten pdf form in reader; how to fill pdf form in reader
Understanding Functions in MicroStrategy
MicroStrategy Functions Reference
1
72
Additional examples of functions in expressions
© 2011 MicroStrategy, Inc.
drop table ZZT1Y01007DMD001
• Pass0 and Pass1 are issued by Intelligence Server to compute the metric 
Daily Sales in 2002. The Intelligence Server prepares the temporary table 
with Call Center and Day as its key. Then, it retrieves the sales in 2002 
using the transformation Last Year.
• Pass3 and Pass4 are issued to compute the metric Daily Sales in 2003. 
Attributes Call Center and Day are used as keys to the temporary table. 
This pass is similar to Pass0 and Pass1 with the only difference being that 
there is no transformation for this metric.
• In Pass5, the Intelligence Server computes the p-value for each call 
center, using the HeteroscedasticTTest and the HomoscedasticTTest 
functions, and inserts the values back into the table. 
• The remaining passes drop the temporary tables.
In the resulting report, Hypothesis Testing shown above, only San Francisco, 
Fargo, and Memphis have a p-value of less than 5%. This indicates that the 
probability of making an error in concluding that the sales have significantly 
decreased is low. This is strong evidence that average daily sales in San 
Francisco, Fargo, and Memphis for 2003 are actually different from those in 
2002. 
Confidence Level example
The reports and report components in this example can be found in 
the following folder: 
MicroStrategy Tutorial\Public Objects\
Reports\Technical Reports\Reports by Feature\ 
Analytics\Statistics and Forecasting\ 
Confidence Level
Who are my valuable customers? (Definition 1)
The basic goal is to define a cut-off value that represents the minimum 
requirement to be classified as a valuable customer. To identify the valuable 
customers in your customer base, you must determine the parameters that 
help differentiate those customers from the others. In this example, valuable 
customers are those whose spending averages above an upper bound of sales 
orders.
The ORDER_FACT table contains all orders received in 2002 and 2003. 
Assume that the sales order amount is normally distributed with a certain 
mean and standard deviation. Based on the assumption of normal 
MicroStrategy Functions Reference
Understanding Functions in MicroStrategy   
1
© 2011 MicroStrategy, Inc.
Additional examples of functions in expressions   
73
distribution and a confidence level of 99%, you can define valuable 
customers as those who have an average spending above an upper bound of 
sales orders.
To determine the valuable customers based on this criteria, you need to 
know several values. Use the following metrics to obtain these values. 
1 You must know the average sales order from all orders in the 
ORDER_FACT table. This is the arithmetic mean of the normal 
distribution. You can get this value using the Avg function. The metric to 
compute the average of sales orders from the ORDER_FACT table can be 
defined as:
M01 = Avg(Revenue){[Call Center], Year, Employee, 
Order, Day}
Since Day, Employee, and Order are the highest attributes that are 
parents of the keys in the ORDER_FACT table, include them as the level 
of aggregation to make sure that the ORDER_FACT table is used. Also, 
the average must be calculated over all sales order amounts, so you must 
set the group-by on the level attributes to none. This ensures that the 
metric does not group by any of these attributes. 
2 You must know the standard deviation of sales orders from all orders. 
This number is the standard deviation of the normal distribution. You 
can get this value using the StDevP function. 
StDevP is the standard deviation of a population, while StDev is the 
standard deviation of a sample
The metric to compute the population standard deviation of sales orders 
from the ORDER_FACT table is defined as follows:
M02 = StDevP(Revenue) {[Call Center], Year, Employee, 
Order, Day}
3 You must know the number of rows in the ORDER_FACT table. You need 
it to calculate the cut-off value. Get this value using the Count function, in 
particular, Count from the ORDER_FACT table. The metric to count the 
data in the ORDER_FACT table is defined as follows:
M03 = Count(Revenue) {[Call Center], Year, Employee, 
Order, Day}
Understanding Functions in MicroStrategy
MicroStrategy Functions Reference
1
74
Additional examples of functions in expressions
© 2011 MicroStrategy, Inc.
4 Under the assumption of normal distribution with the parameters given 
above, you must next determine the cut-off value that represents the top 
5% of sales order amounts. To do this, you can use the Confidence plug-in 
function. The metric to compute the cut-off number is defined as follows, 
using the metrics defined above:
M04 = Confidence(1%, [M02], [M03]).
The number 0.01 comes from a normal distribution with 99% 
confidence level. 
5 The metric that calculates the upper bound is defined as follows: M05 = 
[M01] + [M04].
6 You must calculate the average sales for each customer to get a list of 
valuable customers based on the criteria. The metric is defined as follows:
Average Sales = Avg(Revenue){~}
You do not need to include the level of aggregation for Average Sales since 
the default {~} notation is replaced by the attribute Customer. 
7 You must also apply a metric qualification (filter) to restrict the rows 
returned to those that meet the definition of valuable customers. The 
filter is defined as follows:
F01 = Average Sales greater than M05 with output level 
{Customer}
To generate a report listing valuable customers, create a report template with 
attribute Customer on the row axis and attribute Customer Region on the 
page-by axis. Apply filter F01 to the report to produce a list of valuable 
MicroStrategy Functions Reference
Understanding Functions in MicroStrategy   
1
© 2011 MicroStrategy, Inc.
Additional examples of functions in expressions   
75
customers for each attribute element in Customer Region. The Valuable 
Customers 01 report displays as follows:
The SQL generated for the report Valuable Customers 01 is as follows:
Pass0 - Duration: 0:00:00.05
create table ZZT1Y0200Y0MD000 (
CUSTOMER_ID SHORT, 
WJXBFS1 DOUBLE)
Pass1 - Duration: 0:00:00.32
insert into ZZT1Y0200Y0MD000 
select a11.[CUSTOMER_ID] AS CUSTOMER_ID,
a11.[TOT_DOLLAR_SALES] AS WJXBFS1
from [CUSTOMER_SLS] a11
Pass2 - Duration: 0:00:22.68
select a11.[ORDER_ID] AS ORDER_ID,
a11.[EMP_ID] AS EMP_ID,
a11.[ORDER_DATE] AS DAY_DATE,
Understanding Functions in MicroStrategy
MicroStrategy Functions Reference
1
76
Additional examples of functions in expressions
© 2011 MicroStrategy, Inc.
a12.[CUSTOMER_ID] AS CUSTOMER_ID,
a11.[ORDER_AMT] AS WJXBFS1
from [ORDER_FACT] a11, 
[LU_ORDER] a12
where a11.[ORDER_ID] = a12.[ORDER_ID]
Pass3 - Duration: 0:00:09.37
create table ZZT1Y0200Y0MD001 (
CUSTOMER_ID SHORT, 
WJXBFS1 DOUBLE)
Pass4 - Duration: 0:00:00.00
[An Analytical SQL]
Pass5 - Duration: 0:00:44.24
insert into ZZT1Y0200Y0MD001 values (26, 
105.386485104625)
Pass6 - Duration: 0:00:00.02
create table ZZT1Y0200Y0MQ002 (
CUSTOMER_ID SHORT)
Pass7 - Duration: 0:00:00.48
insert into ZZT1Y0200Y0MQ002 
select pa1.[CUSTOMER_ID] AS CUSTOMER_ID
from [ZZT1Y0200Y0MD000] pa1, 
[ZZT1Y0200Y0MD001] pa2
where pa1.[CUSTOMER_ID] = pa2.[CUSTOMER_ID]
and(pa1.[WJXBFS1] > pa2.[WJXBFS1])
Pass8 - Duration: 0:00:02.10
select a11.[CUSTOMER_ID] AS CUSTOMER_ID,
a12.[CUST_LAST_NAME] AS CUST_LAST_NAME,
a12.[CUST_FIRST_NAME] AS CUST_FIRST_NAME,
a14.[CUST_REGION_ID] AS CUST_REGION_ID,
a15.[CUST_REGION_NAME] AS CUST_REGION_NAME,
a11.[TOT_DOLLAR_SALES] AS WJXBFS1
from [CUSTOMER_SLS] a11, 
[ZZT1Y0200Y0MQ002] pa3, 
[LU_CUSTOMER] a12, 
[LU_CUST_CITY] a13, 
[LU_CUST_STATE] a14, 
[LU_CUST_REGION] a15
where a11.[CUSTOMER_ID] = pa3.[CUSTOMER_ID] and 
a11.[CUSTOMER_ID] = a12.[CUSTOMER_ID] and 
a12.[CUST_CITY_ID] = a13.[CUST_CITY_ID] and 
Documents you may be interested
Documents you may be interested