Quantil (Wahrscheinlichkeitstheorie)

Gegeben sei eine Wahrscheinlichkeitsverteilung ${\displaystyle P}$ auf ${\displaystyle (\mathbb {R} ,{\mathcal {B}}(\mathbb {R} ))}$, also den reellen Zahlen, versehen mit der Borelschen σ-Algebra.

Dann heißt eine reelle Zahl ${\displaystyle x_{p}}$ ein ${\displaystyle p}$-Quantil (von ${\displaystyle P}$), wenn gilt:[1]

${\displaystyle P((-\infty ,x_{p}])\geq p\quad }$ und ${\displaystyle \quad P([x_{p},+\infty ))\geq 1-p}$.

Insbesondere kann mehr als ein ${\displaystyle p}$-Quantil existieren.

Gegeben sei eine reelle Zufallsvariable ${\displaystyle X}$.

Dann heißt eine reelle Zahl ${\displaystyle x_{p}}$ ein ${\displaystyle p}$-Quantil (von ${\displaystyle X}$), wenn gilt:[1]

${\displaystyle P(X\leq x_{p})\geq p\quad }$ und ${\displaystyle \quad P(x_{p}\leq X)\geq 1-p}$.

Damit sind die ${\displaystyle p}$-Quantile der Zufallsvariablen ${\displaystyle X}$ genau die ${\displaystyle p}$-Quantile ihrer Verteilung ${\displaystyle P_{X}}$.

Ebenso lassen sich Quantile auch über Verteilungsfunktionen definieren. Ist ${\displaystyle F}$ die Verteilungsfunktion von ${\displaystyle P}$ oder von ${\displaystyle X}$, so heißt ${\displaystyle x_{p}}$ ein ${\displaystyle p}$-Quantil, wenn

${\displaystyle F(x_{p})\geq p\quad }$ und ${\displaystyle \quad \lim _{t\uparrow x_{p}}F(t)\leq p}$.

Hierbei bezeichnet ${\displaystyle \lim _{t\uparrow x_{p}}F(t)}$ den linksseitigen Grenzwert.

Als Schätzung eines ${\displaystyle p}$-Quantils bei einer gegebenen Zufallsstichprobe ${\displaystyle x_{1},\ldots ,x_{n}}$, ist das entsprechende empirische Quantil ${\displaystyle x_{(p)}}$ definiert durch:

für wenigstens ${\displaystyle pn}$ der Werte gilt ${\displaystyle x_{i}\leq x_{(p)}}$

für wenigstens ${\displaystyle (1-p)n}$ der Werte gilt ${\displaystyle x_{i}\geq x_{(p)}}$

Ist die Verteilungsfunktion ${\displaystyle F}$ der Zufallsvariable oder der Wahrscheinlichkeitsverteilung stetig, die Verteilung also eine stetige Wahrscheinlichkeitsverteilung, so vereinfacht sich die Definition. Das ${\displaystyle p}$-Quantil ${\displaystyle x_{p}}$ ist dann eine Lösung der Gleichung

${\displaystyle F(x_{p})=p}$

Dies folgt aus der Definition des ${\displaystyle p}$-Quantils über die Verteilungsfunktion, da der linksseitige Grenzwert im dritten Kriterium aufgrund der Stetigkeit dann mit dem Funktionswert an der Stelle ${\displaystyle x_{p}}$ übereinstimmt.

Beispiel

Betrachtet man die Exponential-Verteilung mit Parametern ${\displaystyle \lambda >0}$, so besitzt sie die Verteilungsfunktion

${\displaystyle F(x)={\begin{cases}1-\mathrm {e} ^{-\lambda x}&x\geq 0,\\0&x<0.\end{cases}}}$

Auflösen der Gleichung

${\displaystyle 1-\mathrm {e} ^{-\lambda x}=p}$

für ein ${\displaystyle p\in (0,1)}$ nach ${\displaystyle x}$ liefert das ${\displaystyle p}$-Quantil. Hier ist

${\displaystyle x_{p}=-{\frac {\ln(1-p)}{\lambda }}}$.

Ist die Verteilungsfunktion auf einem Intervall konstant, so existieren mehrdeutige ${\displaystyle p}$-Quantile. Betrachtet man die Verteilungsfunktion

${\displaystyle F(x)={\begin{cases}0&{\text{ für }}\quad x\leq -1\\x+1&{\text{ für }}\quad -1<x\leq -{\tfrac {1}{2}}\\{\tfrac {1}{2}}&{\text{ für }}\quad -{\tfrac {1}{2}}<x\leq {\tfrac {1}{2}}\\x&{\text{ für }}\quad {\tfrac {1}{2}}<x\leq 1\\1&{\text{ für }}\quad 1\leq x\end{cases}}}$,

so besitzt die Gleichung

${\displaystyle F(x)={\tfrac {1}{2}}}$

unendlich viele Lösungen. Jedes ${\displaystyle x}$ aus dem Intervall ${\displaystyle [-{\tfrac {1}{2}},{\tfrac {1}{2}}]}$ ist dann ein ${\displaystyle {\tfrac {1}{2}}}$-Quantil (also ein Median).

Besitzt die Zufallsvariable beziehungsweise die Wahrscheinlichkeitsverteilung eine Wahrscheinlichkeitsdichtefunktion ${\displaystyle f}$ (sie ist demnach eine absolutstetige Verteilung), so ist das ${\displaystyle p}$-Quantil ${\displaystyle x_{p}}$ Lösung der Gleichung

${\displaystyle \int _{-\infty }^{x_{p}}f(x)\mathrm {d} x=p}$.

Dies folgt direkt aus der Tatsache, dass absolutstetige Verteilungen immer eine stetige Verteilungsfunktion besitzen, diese sich über das Integral bestimmen lässt, und der Aussage im obigen Abschnitt.

Beispiel

Bei Verteilungen mit Wahrscheinlichkeitsdichtefunktionen treten mehrdeutige Quantile dann auf, wenn die Dichtefunktion auf einem Intervall konstant null ist. So besitzt die oben über die Verteilungsfunktion definierte Verteilung die Wahrscheinlichkeitsdichtefunktion

${\displaystyle f(x)={\begin{cases}1&{\text{ falls }}\quad x\in (-1,-{\tfrac {1}{2}}]\cup ({\tfrac {1}{2}},1]\\0&{\text{ sonst }}\end{cases}}}$

Der oben hergeleitete mehrdeutige Median wird hier durch das Intervall ${\displaystyle (-{\tfrac {1}{2}},{\tfrac {1}{2}}]}$ verursacht, auf dem die Wahrscheinlichkeitsdichtefunktion konstant gleich null ist.

Der Median oder Zentralwert entspricht dem Quantil ${\displaystyle Q_{0{,}5}}$ (0,5-Quantil). Für eine Zufallsstichprobe gilt, dass circa 50 % der in ihr enthaltenen Werte kleiner als der Median sind. Für eine Verteilung gilt, dass der Median der Wert ist, bei dem die kumulative Verteilungsfunktion den Wert 0.5 annimmt.

Durch Terzile wird die größengeordnete Menge der Werte in drei Abschnitte gleichen Umfangs geteilt: unteres, mittleres und oberes Drittel.

Darstellung des Interquartilabstands einer Normalverteilung

Quartile (lateinisch „Viertelwerte“) sind die Quantile ${\displaystyle Q_{0{,}25}}$ (0,25-Quantil), ${\displaystyle Q_{0{,}5}}$ (0,5-Quantil = Median) und ${\displaystyle Q_{0{,}75}}$ (0,75-Quantil), die auch als Q1 („unteres Quartil“), Q2 („mittleres Quartil“) und Q3 („oberes Quartil“) bezeichnet werden. Sie sind die in der Statistik mit am häufigsten verwendete Form der Quantile.

Der (Inter-)Quartilabstand oder auch (Inter-)Quartilsabstand (englisch interquartile range) bezeichnet die Differenz zwischen dem oberen und dem unteren Quartil, also ${\displaystyle Q_{0{,}75}-Q_{0{,}25}}$, und umfasst daher 50 % der Verteilung. Der Quartilabstand wird als Streuungsmaß verwendet.

Siehe auch: Streuung (Statistik)

Durch Quintile (lateinisch „Fünftelwerte“) wird die Menge der Werte der Verteilung in 5 umfangsgleiche Teile zerlegt. Unterhalb des ersten Quintils, d. h. des Quantils ${\displaystyle Q_{0{,}2}}$, liegen 20 % der Werte der Verteilung, unterhalb des zweiten Quintils (Quantil ${\displaystyle Q_{0{,}4}}$) 40 % usw.

Durch Dezile (lateinisch „Zehntelwerte“) wird die Menge der verteilten Werte in zehn umfangsgleiche Teile zerlegt. Entsprechend liegen dann z. B. unterhalb des dritten Dezils (Quantil ${\displaystyle Q_{0{,}3}}$) 30 % der Werte. Dezile teilen ein der Größe nach geordnetes Datenbündel in 10 umfangsgleiche Teile. Das 10-%-Dezil (oder das erste Dezil) gibt an, welcher Wert die unteren 10 % von den oberen 90 % der Datenwerte trennt, das zweite Dezil, welcher Wert die unteren 20 % von den oberen 80 % der Werte trennt usw. Der Abstand zwischen dem 10-%-Dezil und dem 90-%-Dezil heißt Interdezilbereich.

Durch Perzentile (lateinisch „Hundertstelwerte“), auch Prozentränge genannt, wird die Verteilung in 100 umfangsgleiche Teile zerlegt. Perzentile teilen die Verteilung also in 1-%-Segmente auf. Daher können Perzentile als Quantile betrachtet werden, bei denen ${\displaystyle 100\cdot p}$ eine ganze Zahl ist. So entspricht das Quantil ${\displaystyle Q_{0{,}97}}$ dem Perzentil P97, unterhalb dieses Punktes liegen 97 % aller Fälle der Verteilung.

Für ${\displaystyle a}$ aus ${\displaystyle (0,1)}$ wird das ${\displaystyle (1-a)}$-Quantil auch als ${\displaystyle a}$-Fraktil bezeichnet. Diese Unterteilung wird z. B. in der als „Paretoprinzip“ bezeichneten Vermutung verwendet.