隨機變數與其分布
中位數與百分位數(the median and percentiles)
中位數是分布的中間:一個其下至多有一半機率、其上也至多有一半機率的值。如果你把每個可能的結果按大小排成一列,中位數就坐落在中點。百分位數把這個概念推廣到任何切點:第 k 百分位數是(大約)有 k% 機率落在其下的值。第 25、50、75 百分位數是四分位數,而中位數就是第 50 百分位數。
這些只是從分位數函數讀出的有名稱的點:中位數是 Q(0.5),第 90 百分位數是 Q(0.9),依此類推。實務上要找中位數,就問 cdf 第一次達到 0.5 的那個值;要找第 90 百分位數,就問它第一次達到 0.9 的地方。對對稱分布,中位數與平均重合,但一般而言兩者不同。盒鬚圖實際上就是五個這類數字的圖像:最小值、三個四分位數,以及最大值。
百分位數之所以重要,是因為它穩健又容易詮釋。告訴一個孩子她身高在第 80 百分位,意思就是 80% 的同儕比她矮,不需要單位或分布形狀。中位數尤其能甩開極端值:一位億萬富翁把平均所得大幅拉高,卻幾乎推不動中位數,這就是為什麼典型所得用中位數而非平均來報告。誠實的提醒:對離散或有大量相同值的資料,中位數可能略有歧義(cdf 平坦段中的任何值都符合),而軟體計算百分位的慣例各異,所以一個報出的百分位可能因所用規則而有些微差異。
五個家庭所得(以千為單位):30、35、40、45、900。平均是 210,被離群值拉高,但中位數(中間值)是 40,遠能反映典型家庭的真實情況。
中位數把機率對半分開,且不像平均那樣容易被離群值影響。
中位數與平均是不同的概念:中位數依個數平衡分布,平均依力臂平衡分布。它們只有在分布對稱時才一致;對偏態資料,兩者可能相差甚遠。
又称
另见