Zrozumienie kwantyli: definicje i zastosowania
Obrazy bohaterów/obrazy Getty
Statystyki podsumowujące, takie jak mediana, pierwszy kwartyl i trzeci kwartyl są pomiarami pozycji. Dzieje się tak, ponieważ liczby te wskazują, gdzie znajduje się określona część dystrybucji danych. Na przykład mediana to środkowa pozycja badanych danych. Połowa danych ma wartości mniejsze niż mediana. Podobnie 25% danych ma wartości mniejsze niż pierwszy kwartyl, a 75% danych ma wartości mniejsze niż trzeci kwartyl.
To pojęcie można uogólnić. Jednym ze sposobów na to jest rozważenie percentyle . 90. percentyl wskazuje punkt, w którym 90% procent danych ma wartości mniejsze niż ta liczba. Bardziej ogólnie, p percentyl to liczba n dla którego p % danych jest mniej niż n .
Ciągłe zmienne losowe
Chociaż statystyki porządkowe mediany, pierwszego kwartyla i trzeciego kwartyla są zwykle wprowadzane w środowisku z dyskretnym zestawem danych, statystyki te można również zdefiniować dla ciągłej zmiennej losowej. Ponieważ pracujemy z rozkładem ciągłym, używamy całki. The p percentyl to liczba n tak, że:
-₶ n f ( x ) dx = p /100.
Tutaj f ( x ) jest funkcją gęstości prawdopodobieństwa. W ten sposób możemy uzyskać dowolny percentyl dla a
Kwantyle
Kolejnym uogólnieniem jest zauważenie, że nasze statystyki zamówień dzielą dystrybucję, z którą pracujemy. Mediana dzieli zbiór danych na pół, a mediana, czyli 50. percentyl rozkładu ciągłego, dzieli rozkład na pół pod względem powierzchni. pierwszy kwartyl, medianaa trzeci kwartyl dzieli nasze dane na cztery części o tej samej liczbie w każdym. Możemy użyć powyższej całki, aby uzyskać 25., 50. i 75. percentyl i podzielić ciągły rozkład na cztery części o równej powierzchni.
Możemy uogólnić tę procedurę. Pytanie, od którego możemy zacząć, to liczba naturalna n , jak możemy podzielić rozkład zmiennej na n kawałki o jednakowej wielkości? Przemawia to bezpośrednio do idei kwantyli.
The n kwantyle dla zbioru danych są znajdowane w przybliżeniu przez uszeregowanie danych w kolejności, a następnie podzielenie tego rankingu przez n - 1 równo rozmieszczone punkty na interwale.
Jeśli mamy funkcję gęstości prawdopodobieństwa dla ciągłej zmiennej losowej, używamy powyższej całki do znalezienia kwantyli. Do n kwantyle, chcemy:
- Pierwszy, który ma 1/ n obszaru dystrybucji na lewo od niego.
- Drugi, który ma 2/ n obszaru dystrybucji na lewo od niego.
- The r co mieć r / n obszaru dystrybucji na lewo od niego.
- Ostatni, który miał ( n - 1)/ n obszaru dystrybucji na lewo od niego.
Widzimy to dla dowolnej liczby naturalnej n , n kwantyle odpowiadają 100 r / n percentyle, gdzie r może być dowolną liczbą naturalną od 1 do n - 1.
Wspólne kwantyle
Niektóre rodzaje kwantylów są używane na tyle powszechnie, że mają określone nazwy. Poniżej znajduje się ich lista:
- 2 kwantyl nazywa się medianą
- 3 kwantyle to tercyle
- 4 kwantyle nazywane są kwartylami
- 5 kwantyli to kwintyle
- Sześć kwantyli nazywa się sekstylami
- 7 kwantylów nazywa się septyli
- 8 kwantylów nazywa się oktylami
- 10 kwantylów to decyle
- 12 kwantylów nazywa się duodecylami
- 20 kwantylów to tzw. vigintiles
- 100 kwantylów nazywa się percentylami
- 1000 kwantylów nazywa się promilami
Oczywiście istnieją inne kwantyle poza wymienionymi na powyższej liście. Wielokrotnie określony użyty kwantyl odpowiada wielkości próbki z ciągłego dystrybucja .
Stosowanie kwantyli
Poza określeniem pozycji zbioru danych, kwantyle są pomocne w inny sposób. Załóżmy, że mamy prostą losową próbkę z populacji, a rozkład populacji jest nieznany. Aby pomóc w ustaleniu, czy model, taki jak rozkład normalny lub rozkład Weibulla, jest dobrze dopasowany do populacji, z której pobieraliśmy próbki, możemy spojrzeć na kwantyle naszych danych i modelu.
Dopasowując kwantyle z naszych przykładowych danych do kwantyli z konkretnego rozkład prawdopodobieństwa wynikiem jest zbiór sparowanych danych. Przedstawiamy te dane na wykresie rozrzutu, znanym jako wykres kwantylowo-kwantylowy lub wykres q-q. Jeśli wynikowy wykres rozrzutu jest z grubsza liniowy, model dobrze pasuje do naszych danych.