Tứ phân vị, khoảng tứ phân vị và percentile: cách tính
Bài 6/12 · Chương 3
Thống kê mô tả: độ phân tán và vị trí
- 10 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 13
Tứ phân vị là ba số Q1, Q2, Q3 chia dãy số liệu đã sắp xếp thành bốn phần có số giá trị gần bằng nhau. Khoảng tứ phân vị Q3 − Q1 cho biết nửa giữa của dữ liệu trải rộng bao nhiêu. Bạn dùng chúng để tả thời gian giao hàng "thường" mà vài đơn trễ cả tuần không kéo lệch được.
Cần biết trước: trung vị, sắp xếp mảng và khoảng biến thiên.
Cách tính tứ phân vị theo SGK
Tứ phân vị (quartile) theo cách của SGK Toán 10 dựng hoàn toàn từ trung vị:
Sắp xếp dãy theo thứ tự không giảm.
Q2 là trung vị của cả dãy.
Q1 là trung vị của nửa dưới, Q3 là trung vị của nửa trên. Khi số giá trị n lẻ, giá trị đứng giữa (chính là Q2) không thuộc nửa nào.
Khoảng tứ phân vị (interquartile range, IQR) là hiệu của hai tứ phân vị ngoài:
Trong đó:
Q1 (
q1): tứ phân vị thứ nhất, khoảng một phần tư số giá trị nhỏ hơn nó.Q3 (
q3): tứ phân vị thứ ba, khoảng ba phần tư số giá trị nhỏ hơn nó.Δ với chỉ số Q (
q3 - q1): khoảng tứ phân vị, cùng đơn vị với dữ liệu.
Mười đơn hàng nội thành mất 21, 15, 44, 18, 26, 12, 20, 31, 17, 23 giờ để tới tay khách. Tính tay theo ba bước:
Bước | Việc | Kết quả |
|---|---|---|
1 | Sắp xếp | 12, 15, 17, 18, 20, 21, 23, 26, 31, 44 |
2 | Trung vị cả dãy (n = 10 chẵn) | Q2 = (20 + 21) / 2 = 20,5 |
3 | Trung vị nửa dưới 12, 15, 17, 18, 20 | Q1 = 17 |
4 | Trung vị nửa trên 21, 23, 26, 31, 44 | Q3 = 26 |
5 | Lấy Q3 − Q1 | ΔQ = 9 giờ |
Khối dưới làm đúng các bước đó. Hàm trung_vi() là cách tính của bài trung vị; sửa dãy gio rồi bấm Chạy để kiểm bài của bạn.
def trung_vi(day):
m = len(day) // 2
if len(day) % 2:
return day[m]
return (day[m - 1] + day[m]) / 2
gio = [21, 15, 44, 18, 26, 12, 20, 31, 17, 23]
x = sorted(gio)
h = len(x) // 2
q1 = trung_vi(x[:h])
q3 = trung_vi(x[h + 1:] if len(x) % 2 else x[h:])
print("Đã sắp xếp:", x)
print("Q1 =", q1, " Q2 =", trung_vi(x), " Q3 =", q3)
print("Khoảng tứ phân vị:", q3 - q1)KẾT QUẢ
Đã sắp xếp: [12, 15, 17, 18, 20, 21, 23, 26, 31, 44]
Q1 = 17 Q2 = 20.5 Q3 = 26
Khoảng tứ phân vị: 9Một nửa số đơn mất từ 17 đến 26 giờ. Đơn 44 giờ làm khoảng biến thiên lên 32 giờ, nhưng không đổi được ΔQ.
Đổi 23] thành 23, 19] rồi chạy lại: dãy có 11 số, giá trị đứng giữa bị bỏ khỏi hai nửa, và dòng hai in Q2 = 20.
Phân vị (percentile) và np.percentile()
Phân vị thứ p (percentile) là giá trị mà khoảng p% dữ liệu nhỏ hơn hoặc bằng nó: Q1 là phân vị 25, Q2 là phân vị 50, Q3 là phân vị 75. NumPy tính phân vị bằng np.percentile() (p từ 0 đến 100) và np.quantile() (cùng việc, p từ 0 đến 1); Series.quantile() của pandas, dùng trong describe(), theo cùng cách mặc định:
import numpy as np
import pandas as pd
gio = [21, 15, 44, 18, 26, 12, 20, 31, 17, 23]
print(np.percentile(gio, [25, 50, 75]))
print(np.quantile(gio, [0.25, 0.5, 0.75]))
print(pd.Series(gio).quantile([0.25, 0.5, 0.75]).tolist())KẾT QUẢ
[17.25 20.5 25.25]
[17.25 20.5 25.25]
[17.25, 20.5, 25.25]Q2 khớp SGK, nhưng Q1 là 17,25 chứ không phải 17. Cách mặc định (method="linear") không chia hai nửa: nó đặt phân vị tại vị trí h trong dãy đã sắp xếp, đếm từ 0, rồi nội suy giữa hai giá trị kề nhau.
Trong đó:
n(len(gio)): số giá trị.p: phân vị viết dưới dạng tỉ lệ, 0,25 cho Q1.h: vị trí trong dãy đã sắp xếp, đếm từ 0.
Với Q1: h = 9 × 0,25 = 2,25, nằm giữa giá trị số 2 (17) và số 3 (18), cách 17 một phần tư khoảng, nên Q1 = 17,25. Trong Excel, QUARTILE.INC và PERCENTILE.INC tính đúng cách này.
Vì sao mỗi công cụ cho một kết quả: method=
Không có một định nghĩa phân vị duy nhất cho mẫu nhỏ. Tham số method= của np.percentile() chọn một trong 13 cách. Khối dưới thử ba cách trên mười đơn và trên chín đơn đầu:
import numpy as np
cac_cach = ["linear", "averaged_inverted_cdf", "weibull"]
for gio in [[21, 15, 44, 18, 26, 12, 20, 31, 17, 23],
[21, 15, 44, 18, 26, 12, 20, 31, 17]]:
print("n =", len(gio))
for cach in cac_cach:
q1, q3 = np.percentile(gio, [25, 75], method=cach)
print(f" {cach:>21}: Q1 = {q1:5.2f}, Q3 = {q3:5.2f}")KẾT QUẢ
n = 10
linear: Q1 = 17.25, Q3 = 25.25
averaged_inverted_cdf: Q1 = 17.00, Q3 = 26.00
weibull: Q1 = 16.50, Q3 = 27.25
n = 9
linear: Q1 = 17.00, Q3 = 26.00
averaged_inverted_cdf: Q1 = 17.00, Q3 = 26.00
weibull: Q1 = 16.00, Q3 = 28.50Với mười đơn, cách SGK (17 và 26) trùng averaged_inverted_cdf; với chín đơn, nó cho 16 và 28,5, trùng weibull (cách của QUARTILE.EXC). Quy tắc chung: khi n chia 4 dư 1, cách SGK trùng method="weibull"; mọi n khác, nó trùng method="averaged_inverted_cdf". Không một method= nào đúng với mọi n. Vì vậy, khi báo tứ phân vị của một mẫu nhỏ, hãy ghi kèm cách tính: "Q1 = 17 giờ (cách SGK)", hay "Q1 = 17,25 giờ (np.percentile, method="linear", như QUARTILE.INC)".
Áp vào thời gian giao hàng
File giao_hang.csv là số giả lập của AIDev: 800 đơn của hai hãng, chia ba khu vực. Với từ 160 đơn trở lên mỗi khu vực, các cách tính chỉ lệch nhau ở chữ số lẻ, nên dùng thẳng Series.quantile(). Phân vị 90 (P90) trả lời "chín phần mười số đơn tới trong bao lâu":
import pandas as pd
gh = pd.read_csv("giao_hang.csv")
for kv in ["Nội thành", "Ngoại thành", "Liên tỉnh"]:
t = gh.loc[gh["khu_vuc"] == kv, "thoi_gian_gio"]
q1, q2, q3, p90 = t.quantile([0.25, 0.5, 0.75, 0.9])
print(f"{kv:<12} Q1 = {q1:4.1f} Q3 = {q3:4.1f} "
f"IQR = {q3 - q1:4.1f} P90 = {p90:4.1f}")KẾT QUẢ
Nội thành Q1 = 14.5 Q3 = 26.1 IQR = 11.6 P90 = 32.3
Ngoại thành Q1 = 21.2 Q3 = 39.3 IQR = 18.0 P90 = 52.0
Liên tỉnh Q1 = 36.5 Q3 = 67.9 IQR = 31.4 P90 = 89.2Liên tỉnh có IQR gần gấp ba nội thành. Vẽ ba tứ phân vị lên histogram của đơn nội thành:
import pandas as pd
import matplotlib.pyplot as plt
gh = pd.read_csv("giao_hang.csv")
t = gh.loc[gh["khu_vuc"] == "Nội thành", "thoi_gian_gio"]
fig, ax = plt.subplots(figsize=(6.4, 4), layout="constrained")
ax.hist(t, bins=range(0, 69, 3), edgecolor="white")
for q, ten, kieu in zip(t.quantile([0.25, 0.5, 0.75]),
["Q1", "Q2", "Q3"], [":", "-", "--"]):
ax.axvline(q, color="black", linestyle=kieu,
label=f"{ten} = {q:.1f} giờ")
ax.set_title("Thời gian giao 400 đơn nội thành")
ax.set(xlabel="Giờ từ lúc nhận đơn tới lúc giao", ylabel="Số đơn")
ax.legend()
plt.show()Đuôi phải dài, nhưng Q1 và Q3 vẫn ôm sát phần đông đơn hàng. Hộp của biểu đồ hộp vẽ đúng ba đường này. Dùng IQR để đánh dấu đơn bất thường là việc của bài ngoại lai bằng IQR.
Khi nào chênh lệch giữa các cách đáng kể
Khối dưới rút 2.000 mẫu thời gian giao giả lập cho mỗi cỡ n và đo Q1 của cách SGK và cách mặc định lệch nhau trung bình bao nhiêu giờ. n đều chẵn, nên averaged_inverted_cdf cho đúng số của SGK, như bảng ở mục trên.
import numpy as np
rng = np.random.default_rng(20)
for n in [10, 100, 1000]:
mau = rng.lognormal(3, 0.45, size=(2000, n))
sgk = np.percentile(mau, 25, axis=1,
method="averaged_inverted_cdf")
mac_dinh = np.percentile(mau, 25, axis=1)
lech = np.abs(sgk - mac_dinh).mean()
print(f"n = {n:>4}: lệch trung bình {lech:.3f} giờ")KẾT QUẢ
n = 10: lệch trung bình 0.505 giờ
n = 100: lệch trung bình 0.053 giờ
n = 1000: lệch trung bình 0.005 giờLần chạy này cho thấy cỡ mẫu tăng mười lần thì độ lệch giảm khoảng mười lần. Với bài SGK mười số, nửa giờ đủ làm sai đáp án; với 400 đơn thật, chọn cách nào cũng được, miễn ghi ra. Đổi default_rng(20) thành default_rng(5) để thấy các số đổi chút ít mà xu hướng giữ nguyên.
Kiểm tra nhanh
Sau
import numpy as np,print(np.percentile([1, 2, 3, 4, 5], 25))in ra gì?1.52.02.5
Theo cách SGK, Q1 của dãy 3, 5, 6, 8, 9, 11, 14 bằng bao nhiêu?
- 5
- 5,5
- 6
Bạn báo khoảng tứ phân vị của mười đơn trong bài. Những cách ghi nào cho người đọc đủ thông tin để tính lại đúng số đó?
- ΔQ = 9 giờ (cách SGK, trung vị của hai nửa)
- IQR = 8 giờ (np.percentile, method="linear", như QUARTILE.INC)
- IQR = 8 giờ, tính bằng Python
- Khoảng tứ phân vị = 9 giờ
Đơn nội thành có Q1 = 14,5 giờ và Q3 = 26,1 giờ. Câu nào đúng?
- Đơn chậm nhất mất 26,1 giờ
- Một phần tư số đơn mất đúng 14,5 giờ
- Khoảng một nửa số đơn tới tay khách sau 14,5 đến 26,1 giờ
- Thời gian giao trung bình là 20,3 giờ
Bài tập
Tính ba tứ phân vị theo cách SGK
Bạn viết công cụ kiểm bài cho học sinh lớp 10, nên phải ra đúng số của SGK. x là list các số, có ít nhất 4 giá trị, chưa sắp xếp. Viết thân hàm tu_phan_vi_sgk(x): Q2 là trung vị cả dãy, Q1 và Q3 là trung vị của nửa dưới và nửa trên, bỏ giá trị đứng giữa khi số giá trị lẻ.
Không dùng np.percentile(), np.quantile() hay các bản np.nanpercentile(), np.nanquantile(); được dùng np.median(). Hàm không sửa x của nơi gọi.
Trả về: Q1, Q2, Q3 theo thứ tự đó, một tuple.
Ví dụ tu_phan_vi_sgk([21, 15, 44, 18, 26, 12, 20, 31, 17, 23]) cho (17.0, 20.5, 26.0).
import numpy as np
def tu_phan_vi_sgk(x):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
Q1, Q2, Q3 chia dãy đã sắp xếp thành bốn phần; khoảng tứ phân vị là Q3 − Q1, cùng đơn vị với dữ liệu.
Cách SGK: Q2 là trung vị, Q1 và Q3 là trung vị hai nửa; n lẻ thì bỏ giá trị đứng giữa.
np.percentile(),np.quantile(),Series.quantile()mặc định nội suy tại vị trí (n − 1)p, giốngQUARTILE.INC.Cách SGK trùng
method="weibull"khi n chia 4 dư 1, trùng"averaged_inverted_cdf"với mọi n khác; khôngmethod=nào khớp ở mọi n, nên báo tứ phân vị luôn kèm cách tính.Mẫu càng lớn, các cách tính càng gần nhau.
Câu hỏi thường gặp
Khoảng tứ phân vị khác khoảng biến thiên thế nào?
Khoảng biến thiên là giá trị lớn nhất trừ nhỏ nhất, nên một đơn trễ bất thường làm nó tăng vọt. Khoảng tứ phân vị chỉ nhìn nửa giữa của dữ liệu, nên gần như không đổi trước vài giá trị cực đoan. Bài khoảng biến thiên so hai số này trên cùng một dãy.
Tứ phân vị của mẫu số liệu ghép nhóm tính thế nào?
Tứ phân vị của mẫu số liệu ghép nhóm (bảng tần số theo khoảng) là bài của Toán 11 và 12, trang này không dạy. Khi có dữ liệu gốc, cứ tính trên các giá trị thật.
Q2 có luôn bằng trung vị không?
Có, với cách SGK và với np.percentile() mặc định: phân vị 50 của dãy chẵn là trung bình hai giá trị giữa, như bài trung vị. Vài method= thì không: "inverted_cdf" lấy giá trị giữa bên dưới, nên np.percentile([1, 2, 3, 4], 50, method="inverted_cdf") cho 2 thay cho 2,5.
Percentile trong Excel và Python có giống nhau không?
PERCENTILE.INC và QUARTILE.INC của Excel cho cùng số với np.percentile() mặc định. PERCENTILE.EXC, QUARTILE.EXC cho cùng số với method="weibull". Đối chiếu hai bên thì chọn đúng cặp hàm trước.
Chủ đề
Dữ liệu của bài
- Tải xuống
giao_hang.csv
CSV · 27.84 KB
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.