Kwantielen begrijpen: definities en toepassingen

Heldenafbeeldingen/Getty Images

Samenvattende statistieken zoals de mediaan, eerste kwartiel en derde kwartiel zijn positiemetingen. Deze cijfers geven namelijk aan waar een bepaald deel van de datadistributie ligt. De mediaan is bijvoorbeeld de middelste positie van de onderzochte gegevens. De helft van de gegevens heeft waarden die kleiner zijn dan de mediaan. Evenzo heeft 25% van de gegevens waarden die lager zijn dan het eerste kwartiel en 75% van de gegevens heeft waarden die lager zijn dan het derde kwartiel.

Dit concept kan worden veralgemeend. Een manier om dit te doen is te overwegen: percentielen . Het 90e percentiel geeft het punt aan waarop 90% procent van de gegevens waarden heeft die lager zijn dan dit aantal. Meer in het algemeen is de p het percentiel is het getal n waarvoor? p % van de gegevens is minder dan n .

Continue willekeurige variabelen

Hoewel de volgordestatistieken van mediaan, eerste kwartiel en derde kwartiel doorgaans worden geïntroduceerd in een omgeving met een discrete set gegevens, kunnen deze statistieken ook worden gedefinieerd voor een continue willekeurige variabele. Omdat we met een continue verdeling werken, gebruiken we de integraal. De p het percentiel is een getal n zoals dat:

_-₶ ⁿ f ( x ) dx = p /100.

Hier f ( x ) is een kansdichtheidsfunctie. We kunnen dus elk percentiel verkrijgen dat we willen voor a

Kwantielen

Een verdere veralgemening is om op te merken dat onze orderstatistieken de distributie splitsen waarmee we werken. De mediaan splitst de gegevensset in tweeën, en de mediaan, of 50e percentiel van een continue distributie, splitst de distributie in tweeën in termen van oppervlakte. Het eerste kwartiel, mediaan-en het derde kwartiel verdeelt onze gegevens in vier stukken met hetzelfde aantal in elk. We kunnen de bovenstaande integraal gebruiken om de 25e, 50e en 75e percentielen te verkrijgen en een continue verdeling op te splitsen in vier delen van gelijke oppervlakte.

We kunnen deze procedure generaliseren. De vraag waarmee we kunnen beginnen krijgt een natuurlijk getal n , hoe kunnen we de verdeling van een variabele splitsen in n even grote stukken? Dit spreekt rechtstreeks tot het idee van kwantielen.

De n kwantielen voor een gegevensset worden bij benadering gevonden door de gegevens op volgorde te rangschikken en deze rangschikking vervolgens te splitsen n - 1 gelijk verdeelde punten op het interval.

Als we een kansdichtheidsfunctie hebben voor een continue willekeurige variabele, gebruiken we de bovenstaande integraal om de kwantielen te vinden. Voor n kwantielen, we willen:

• De eerste die 1/ n van het gebied van de verdeling links ervan.
• De tweede met 2/ n van het gebied van de verdeling links ervan.
• De r om te hebben r / n van het gebied van de verdeling links ervan.
• De laatste die ( n - 1)/ n van het gebied van de verdeling links ervan.

We zien dat voor elk natuurlijk getal n , de n kwantielen komen overeen met de 100 r / n de percentielen, waar r kan elk natuurlijk getal zijn van 1 tot n - 1.

Gemeenschappelijke Kwantielen

Bepaalde soorten kwantielen worden vaak genoeg gebruikt om specifieke namen te hebben. Hieronder is een lijst van deze:

• Het 2 kwantiel wordt de mediaan genoemd
• De 3 kwantielen worden tercielen genoemd
• De 4 kwantielen worden kwartielen genoemd
• De 5 kwantielen worden kwintielen genoemd
• De 6 kwantielen worden sextielen genoemd
• De 7 kwantielen worden septielen genoemd
• De 8 kwantielen worden octielen genoemd
• De 10 kwantielen worden decielen genoemd
• De 12 kwantielen worden duodecielen genoemd
• De 20 kwantielen worden vigintielen genoemd
• De 100 kwantielen worden percentielen genoemd
• De 1000 kwantielen worden promilles genoemd

Natuurlijk zijn er andere kwantielen dan die in de bovenstaande lijst. Vaak komt het specifieke gebruikte kwantiel overeen met de grootte van het monster van een continu verdeling .

Gebruik van Kwantielen

Naast het specificeren van de positie van een set gegevens, zijn kwantielen ook op andere manieren nuttig. Stel we hebben een eenvoudige willekeurige steekproef uit een populatie en de verdeling van de populatie is onbekend. Om te helpen bepalen of een model, zoals een normale verdeling of Weibull-verdeling, goed past bij de populatie waaruit we steekproeven hebben genomen, kunnen we kijken naar de kwantielen van onze gegevens en het model.

Door de kwantielen uit onze voorbeeldgegevens te matchen met de kwantielen van een bepaald kansverdeling , het resultaat is een verzameling gepaarde gegevens. We plotten deze gegevens in een scatterplot, bekend als een kwantiel-kwantielplot of q-q-plot. Als de resulterende scatterplot ruwweg lineair is, past het model goed bij onze gegevens.