高等数学 / 系统课时

分位数与四分位距

分位数与四分位距

当平均数不足以说明数据分布时,分位数可以直接回答“某个值处在整体的什么位置”。本课将用一组有序数据计算百分位数、四分位数和四分位距,并说明它们如何用于概括中间区域和识别异常值。

学习目标

  • 理解百分位数与四分位数表示的位置含义
  • 能按统一规则计算 Q1Q_1、Q2Q_2、Q3Q_3 和四分位距
  • 能利用四分位距判断数据离散程度与潜在异常值

分位数解决什么问题

平均数描述数据的中心,但容易被极端值拉动。分位数先把数据从小到大排列,再按位置切分,因此更适合回答“有多少比例的数据不超过某个值”。

第 pp 百分位数记作 PpP_p。例如,P90P_{90} 表示约有 90% 的观测值不超过它。百分位数描述的是相对位置,不表示 90% 的数据都等于这个值。

四分位数是最常用的一组分位数:Q1=P25Q_1=P_{25},Q2=P50Q_2=P_{50},Q3=P75Q_3=P_{75}。其中 Q2Q_2 就是中位数,它们把有序数据大致分成四部分。

有序数据、四分位数与箱线图关系

四分位数的计算方法

不同教材和软件可能采用不同的插值规则,因此同一小样本的结果可能略有差异。本课采用便于手算的“上下半区中位数法”,计算时必须始终使用同一种规则。

先将数据升序排列,再求整体中位数 Q2Q_2。如果样本量为偶数,将前一半数据的中位数作为 Q1Q_1,后一半数据的中位数作为 Q3Q_3;如果样本量为奇数,通常先排除整体中位数,再分别计算上下两半的中位数。

以数据 2、4、5、7、8、10、12、13 为例,共 8 个值,已经按升序排列。

统计量 计算 结果
Q1Q_1 下半区 2、4、5、7 的中位数 (4+5)/2=4.5(4+5)/2=4.5
Q2Q_2 全部数据的中位数 (7+8)/2=7.5(7+8)/2=7.5
Q3Q_3 上半区 8、10、12、13 的中位数 (10+12)/2=11(10+12)/2=11

因此,这组数据约有 25% 不超过 4.5,约有 50% 不超过 7.5,约有 75% 不超过 11。这里的“约”来自分位位置与插值规则,而不是对每个小样本都能精确切成相同数量。

四分位距与中间 50%

四分位距记作 IQRIQR,定义为:

IQR=Q3−Q1IQR=Q_3-Q_1

示例中 IQR=11−4.5=6.5IQR=11-4.5=6.5。它只衡量中间 50% 数据覆盖的范围,不受最小值和最大值直接影响,因此通常比极差更稳健。

IQRIQR 越大,表示中间一半数据越分散;IQRIQR 越小,表示大多数数据越集中。不过,比较不同量纲的数据时,不能只看 IQR 的绝对大小,还要结合单位和业务尺度。

用 IQR 识别潜在异常值

箱线图常用 1.5 倍 IQR 规则给出异常值候选范围:下界=Q1−1.5IQR下界=Q_1-1.5IQR。

上界=Q3+1.5IQR上界=Q_3+1.5IQR

本例下界为 4.5−1.5×6.5=−5.254.5-1.5×6.5=-5.25,上界为 11+1.5×6.5=20.7511+1.5×6.5=20.75。全部数据都落在这个区间内,因此没有被该规则标记为潜在异常值。

被标记并不等于数据一定错误。它可能是录入问题,也可能是真实但少见的观测,仍需结合采集过程和业务背景判断。

容易混淆的地方

百分位数是位置统计量,不是百分比本身。P75=11P_{75}=11 的含义是约 75% 的数据不超过 11,而不是 75% 的数据等于 11。

四分位数算法并非全球唯一。手算、Excel、Python 和统计软件可能使用不同插值定义。正式分析时应记录工具、函数和参数,避免把算法差异误判为计算错误。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

分位数与四分位距

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通