1 分位数的基本概念
1.1 分位数的定义：按比例切分
分位数用于刻画样本或随机变量在分布上的“位置”。给定比例 \(p\in(0,1)\)，常用的直观定义是：分位数 \(q_p\) 把数据（或概率质量）切分为两部分，使得大约 \(p\) 的观测值落在该阈值以下、其余落在以上。 在实践中，“约等于”往往对应离散样本的取整与插值规则，因此分位数既能用于连续情形，也能推广到离散情形，只是计算细节需遵循具体定义。
1.2 分位数与秩（Rank）的关系
当数据被排序后，分位数与秩存在直接联系。设样本量为 \(n\)，将观测值按从小到大排列为 \(x_{(1)}\le x_{(2)}\le \cdots \le x_{(n)}\)。 比例 \(p\) 对应的分位位置通常与 \(p\cdot n\)（或其变体，如 \(p\cdot(n+1)\) 等）有关，再根据数据是否需要插值、以及所采用的取值规则，落到某个秩或秩区间之间。也因此，不同统计软件在同一数据与同一 \(p\) 上可能得到略有差别的结果。
1.3 分位数类型：经验分位数与理论分位数
- 经验分位数：由样本计算得到，描述“这批数据”的位置。
- 理论分位数：由分布确定的量，描述“真实随机过程”的位置。
经验分位数通常收敛到理论分位数，随着样本量增大，两者在合理条件下会逐渐接近；在小样本时差异更明显。
2 分位数的常见形式与命名
2.1 中位数（50%分位数）
中位数是 \(p=0.5\) 的分位数。它把数据分成大致相等的两半：一半不大于它，另一半不小于它。 由于它依赖“排序位置”，而不是对数值幅度的平均，因而对极端值更不敏感，常被用作中心位置的替代量。
2.2 四分位数与四分位距（IQR）
四分位数通常指：
- 第一四分位数 \(Q_1\)：25%分位数
- 第二四分位数 \(Q_2\)：中位数（50%分位数）
- 第三四分位数 \(Q_3\)：75%分位数
四分位距（Interquartile Range, IQR）定义为 \(Q_3-Q_1\)，表示中间50%数据的跨度。它既可用于刻画离散程度，也常用于异常值的识别阈值构造（例如在箱线图框架下）。
2.3 百分位数与常用统计指标
百分位数是以百分比形式表述的分位数，例如第95百分位数对应 \(p=0.95\)。它常用于描述“尾部水平”，例如在质量控制、性能评估中，表示“落在前5%更差/更极端”的阈值。 在实践中，百分位数也会被用于构造更一般的“风险阈值”或“保障水平”。
2.4 特殊分位数：极端分位数与尾部量
当 \(p\) 接近0或1时得到的分位数称为极端分位数或尾部分位数。其意义在于描述分布的极端尾部：
- 低尾分位数对应小值极端
- 高尾分位数对应大值极端
由于极端区域数据更稀疏，估计误差往往更大，因此对样本量、选择的估计方法和尾部建模假设更敏感。
3 数学表达与计算方法
3.1 分布函数视角（累积分布与反函数思想）
设随机变量 \(X\) 的累积分布函数为 \(F(x)=P(X\le x)\)。在理想的连续情形下，分位数可理解为 \(F(x)\) 的“反映射”： 寻找满足 \(F(q_p)=p\) 的 \(q_p\)。 在更一般的情形（尤其当分布存在跳跃或不连续点）中，常用的定义会采用“广义反函数”的思想，使得分位数能在不唯一时选择某个一致的约定，从而保证计算可用。
3.2 经验分布下的分位数计算
对样本 \(\{x_i\}_{i=1}^n\)，经验分布函数定义为 \[ \hat F(x)=\frac{1}{n}\sum_{i=1}^n \mathbf{1}\{x_i\le x\}. \] 经验分位数可被视为满足 \(\hat F(q)=p\)（或最接近该条件）的阈值。 这种视角强调：经验分位数本质上是对样本累积比例的“定位”，因此与排序（秩）高度相关。
3.3 离散数据的插值与取值规则
对于离散数据或有限样本，比例 \(p\) 往往落不到精确的秩位置上，于是需要确定插值方式或选择某个相邻观测值作为结果。常见规则包括：
这些规则共同目标是：让分位数随着数据变化保持合理的连续性或单调性，但具体表现会因定义不同而略有差异。
3.4 常见“算法族”：不同定义的差异来源
分位数的实现差异常来自以下因素的组合：
- 比例位置的换算（例如用 \(pn\) 还是 \(p(n+1)\)）
- 插值端点的选择（相邻秩的定义方式）
- 对边界 \(p=0\) 或 \(p=1\) 的处理
- 是否在存在大量重复值时做特殊约定
因此，同一数据与同一 \(p\) 在不同软件或不同统计教材体系下，可能出现轻微不一致。理解“分位数定义”而非只记数值，有助于跨工具比较。
4 分位数的性质与统计意义
4.1 单调性与一致性（随样本变化的直觉）
分位数具有自然的单调性：若样本整体向上平移或替换方式保持秩次关系，分位数相应会以可预期的方式变化。 在理论层面，经验分位数在适当条件下会一致地估计理论分位数：当样本量增大，分位估计会趋近真实分位点。
4.2 对分布偏态与尾部的刻画能力
均值依赖整体幅度，而分位数主要依赖排序位置，因此当分布偏态或存在离群点时，分位数能提供更稳定的描述。 通过选择不同 \(p\)，可以分别观察中部（如中位数）与两端（如高尾、低尾）的行为，从而更细致地刻画偏斜与尾部厚薄。
4.3 稳健性：相对均值的优势
分位数对极端值的敏感程度通常低于均值，特别是中位数及中间分位数（如四分位数）。这使其在处理带噪声、存在异常观测或重尾分布的场景中常更受青睐。 从稳健统计的角度看，分位数类估计对少量数据的“极端改变”不容易造成大幅位移。
4.4 抽样波动与估计误差的影响
尽管分位数估计更稳健，但它仍受抽样波动影响。尤其在尾部（\(p\) 很靠近0或1）时，可用于估计的数据在该区域更少，方差和不确定性更高。 因此在实践中，常需要配合置信区间或重采样策略（如自助法）来评估估计可靠性，或者在报告中给出误差范围。
5 分位数在统计分析中的应用
5.1 描述性统计与分布摘要
分位数常用于生成比均值-方差更贴近数据形状的摘要。典型做法包括：报告中位数、四分位距，以及若干关键百分位数，用于概括中心趋势与离散程度。 这种摘要方式对非对称分布特别有用。
5.2 箱线图与中位数/四分位数体系
箱线图以中位数和四分位数为核心构造：
- 箱体边界对应 \(Q_1\) 与 \(Q_3\)
- 箱体内部线条对应中位数
- “须”与潜在异常点则基于箱体跨度（例如以 IQR 的倍数构造阈值）来延展与识别
因此，分位数不仅是数值结果，也构成图形可视化的结构骨架。
5.3 异常检测与阈值设定
利用分位数设定阈值是一种常见思路：例如用上四分位数与 IQR 构造“上界”，把明显高于该界的观测判为异常。 相比固定标准差倍数的方法，IQR 的尺度来自数据的中间范围，对离群点的影响更小，从而更适配某些偏态数据。
5.4 风险度量的思想映射（如尾部分位数）
在风险相关语境中，尾部分位数常被用作“风险水平”的代理量：例如高分位阈值可以对应“较差结果的上界”。 尽管具体风险度量体系还需结合损失定义、方向性与概率解释，但“关注尾部分位点”的核心思想与分位数直接相关。
6 相关概念与延伸
6.1 分位数回归（Quantile Regression）
分位数回归用于估计条件分位数，即在给定协变量的条件下，某个比例 \(p\) 的结果落在给定阈值以下的程度。 与只建模条件均值不同，分位数回归能分别描述不同分位位置处的响应关系，从而更适合异方差或非对称误差的情况。
6.2 分位数点估计与区间估计（概念层面）
点估计给出分位数的单一数值，而区间估计强调对不确定性的刻画：例如构造分位数的置信区间或采用重采样得到的范围。 这类区间并不改变分位数的目标含义（仍是某个概率位置），但能更完整呈现估计的稳定性与误差程度。
6.3 多分位数比较与统计检验的基本思路
当比较不同组别或不同条件下的分位结构时，常会关注多个 \(p\) 对应的分位数是否存在系统差异。 基本思路通常包括：分别估计各组在若干分位上的差异，并评估这种差异在统计意义上是否可能由抽样波动导致；相应检验框架会依赖所使用的模型与误差假设。
6.4 与其他集中/离散度量的对照（均值、方差等）
相对均值：
- 分位数关注排序位置，更抗极端值影响
相对方差：
- 方差度量围绕均值的离散程度，而分位数通过 IQR 等指标直接反映中间跨度与分布形状信息
因此，分位数与均值、方差常是互补关系：在对称且近似正态的场景中均值体系可能更高效；在存在偏态、重尾或异常的场景中，分位数体系通常更直观也更稳健。