Пятичисловая сводка

Пятичисловая сводка (англ. five-number summary) — это описательная статистика, представляющая набор данных в виде пяти ключевых значений, которые позволяют оценить центральную тенденцию, разброс и асимметрию распределения. Пятичисловая сводка является основой для построения «ящика с усами» (box plot) и широко применяется в разведочном анализе данных для быстрого визуального и численного описания выборки без предположений о её распределении.

Состав сводки

Пятичисловая сводка включает следующие статистики, упорядоченные по возрастанию:

1. Минимум (Min) — наименьшее значение в выборке.
2. Первый квартиль (Q1) — 25-й процентиль, ниже которого находится 25% данных.
3. Медиана (Q2) — 50-й процентиль, разделяющий выборку на две равные половины.
4. Третий квартиль (Q3) — 75-й процентиль, выше которого находится 25% данных.
5. Максимум (Max) — наибольшее значение в выборке.

В некоторых источниках к сводке также относят межквартильный размах (IQR), равный разности между третьим и первым квартилями (IQR = Q3 − Q1), однако он не входит в классический набор из пяти чисел, а вычисляется на их основе.

Вычисление

Для расчёта пятичисловой сводки данные сортируют по возрастанию. Затем определяют:

• Минимум и максимум — первое и последнее значения отсортированного ряда.
• Медиану — среднее значение, если количество наблюдений нечётное, или среднее арифметическое двух центральных значений, если чётное.
• Первый и третий квартили — медианы нижней и верхней половин данных соответственно. Существует несколько методов вычисления квартилей (например, метод Тьюки, метод включения медианы, метод интерполяции), что может приводить к незначительным различиям в результатах.

Пример

Рассмотрим выборку: 3, 7, 8, 5, 12, 14, 21, 13, 18. Отсортированный ряд: 3, 5, 7, 8, 12, 13, 14, 18, 21.

• Минимум = 3
• Максимум = 21
• Медиана (Q2) = 12 (5-е значение из 9)
• Нижняя половина: 3, 5, 7, 8 → Q1 = (5+7)/2 = 6
• Верхняя половина: 13, 14, 18, 21 → Q3 = (14+18)/2 = 16

Пятичисловая сводка: (3, 6, 12, 16, 21).

Применение

Пятичисловая сводка используется в различных областях, где требуется компактное описание распределения данных:

• Статистика и анализ данных — для первичного изучения выборки, выявления выбросов и асимметрии.
• Науки о данных и машинное обучение — на этапе разведочного анализа данных (EDA) для оценки качества признаков.
• Экономика и финансы — для анализа доходов, цен, волатильности активов.
• Медицина и биология — для описания результатов клинических испытаний, биометрических показателей.
• Инженерия и контроль качества — для оценки технологических процессов.

Связь с «ящиком с усами»

Пятичисловая сводка лежит в основе ящичной диаграммы (box plot), предложенной Джоном Тьюки в 1970-х годах. На диаграмме:

• Прямоугольник («ящик») простирается от Q1 до Q3, с линией внутри на уровне медианы.
• «Усы» (whiskers) тянутся от ящика к минимальному и максимальному значениям, за исключением выбросов, которые обычно определяются как точки, выходящие за пределы 1,5 × IQR от квартилей.

Таким образом, пятичисловая сводка визуализируется в виде графика, позволяющего быстро сравнивать несколько распределений.

Преимущества и ограничения

Преимущества

• Устойчивость к выбросам — в отличие от среднего арифметического и стандартного отклонения, медиана и квартили не чувствительны к экстремальным значениям.
• Компактность — пять чисел заменяют полный набор данных, сохраняя ключевую информацию о распределении.
• Наглядность — легко интерпретируется и визуализируется.
• Непараметричность — не требует предположений о нормальности распределения.

Ограничения

• Потеря информации — не отражает форму распределения между квартилями (например, бимодальность).
• Неприменимость для категориальных данных — сводка имеет смысл только для количественных переменных.
• Зависимость от метода расчёта квартилей — разные алгоритмы могут давать слегка отличающиеся значения.

История

Концепция использования квартилей и медианы для описания данных восходит к работам британского статистика Фрэнсиса Гальтона в XIX веке. Однако термин «пятичисловая сводка» популяризировал американский математик Джон Тьюки в своей книге «Exploratory Data Analysis» (1977). Тьюки предложил сводку как часть инструментария разведочного анализа данных, противопоставляя его классической подтверждающей статистике.

Интересные факты

• В некоторых реализациях (например, в языке R) в пятичисловую сводку включают также среднее арифметическое, но это не является стандартом.
• Пятичисловая сводка может быть расширена до семичисловой, включающей 2,5-й и 97,5-й процентили, что даёт более полное представление о хвостах распределения.
• В российской статистической практике пятичисловая сводка часто используется в описании социально-экономических показателей, например, при анализе распределения доходов населения.

Источники

• Тьюки Дж. «Разведочный анализ данных» (1977).
• Moore D. S., McCabe G. P. «Introduction to the Practice of Statistics» (2005).
• ГОСТ Р ИСО 5479-2002 «Статистические методы. Проверка отклонения распределения вероятностей от нормального распределения».
• Лекции по статистике МГУ им. М. В. Ломоносова, кафедра математической статистики.