支持的数据格式:
- 逗号分隔:1.5, 2.8, 9.1, 16.2
- 空格分隔:1.5 2.8 9.1 16.2
- 换行分隔:每行一个数字
- 科学计数法:1.23e-4, 5.67E+8
- 多序列模式:使用「组名: 数值1, 数值2, 数值3」格式,每行一组
- 自动忽略文本和特殊字符
Universal Standard (R, Python, Google Sheets)
Linear interpolation method, default standard for modern data science software
计算结果和箱线图将在这里实时展示
请在上方输入至少 4 个数字开始计算
计算结果
基本统计量
四分位数
五数概括
检测到异常值
以下数据点被 方法识别为异常值:
分组序列汇总
箱线图分布
📊 什么是百分位数?
百分位数是一种统计度量,表示低于给定百分比的观测值所对应的值。例如,第 75 百分位数是指 75% 的数据点低于该值。这也被称为第三四分位数 (Q3)。百分位数广泛用于理解数据集中的相对位置,如考试成绩、薪资、身高分布和质量控制指标。要获得数据分布的完整概览,您可以使用我们的五数概括工具,它同时显示最小值、Q1、中位数、Q3 和最大值。
🎯 常见百分位数解释
第 25 百分位数 (Q1)
也称为第一四分位数。25% 的数据低于此值。用于箱线图和薪资基准。
第 50 百分位数(中位数)
中位数或中间值。正好一半的数据在其下方,一半在其上方。对异常值非常稳健。
第 75 百分位数 (Q3)
也称为第三四分位数。75% 的数据低于此值。是箱线图中 IQR 的上边界。
第 90/95/99 百分位数
高百分位数用于识别顶尖表现者或极端值。常用于性能测试和质量指标。
🧮 百分位数的计算方法
PlotNerd 支持多种百分位数计算方法(基于 Hyndman & Fan 分类),以匹配不同的统计软件:
- Type 7(R/Python 默认):模式的线性插值。现代软件的标准方法。
- Type 6(Excel/Minitab):在 X(N+1) 处的加权平均。匹配 Excel 的 PERCENTILE.EXC 函数。
- Type 5:分段线性插值。常用于水文学和环境科学。
📈 何时使用此工具
🎓 非常适合:
- ✓ 标准化考试成绩:高考、考研、GRE、GMAT 百分位排名
- ✓ 薪资基准:了解您的薪资相对于市场数据的位置
- ✓ 生长曲线:儿童发育的身高/体重百分位数
- ✓ 性能指标:网站加载时间、API 响应延迟(P95、P99)
- ✓ 风险评估:金融领域使用百分位数的风险价值(VaR)
🔍 百分位数 vs 四分位数:关键区别
| 方面 | 百分位数 | 四分位数 |
|---|---|---|
| 划分 | 将数据分成 100 份 | 将数据分成 4 份 |
| 范围 | 第 1 到第 99 百分位 | Q1、Q2(中位数)、Q3 |
| 关系 | 更细粒度 | Q1 = 第25、Q2 = 第50、Q3 = 第75 百分位 |
| 用例 | 精细排名(考试成绩) | 总体分布概览 |
常见问题解答
用通俗易懂的语言解释统计学概念
数学公式
查看计算背后的标准数学公式
四分位数计算 (方法2)
第一四分位数 (Q1):
中位数 (Q2):
第三四分位数 (Q3):
四分位距与异常值检测
四分位距 (IQR):
异常值边界:
算法说明
PlotNerd 使用统计学标准的“方法 2 (中位数四分位法)”进行四分位数计算,结果与主流统计软件(如 R, SPSS)一致。所有计算结果均经过严格验证以确保准确性。