Q-Q plot¶

Q-Q plot (Quantile-Quantile plot, график квантиль-квантиль) — это графический метод в статистике, используемый для сравнения двух распределений вероятностей путём построения их квантилей друг против друга. Q-Q plot позволяет визуально оценить, насколько одно распределение соответствует другому, в частности, проверить, подчиняются ли наблюдаемые данные теоретическому распределению (например, нормальному). График широко применяется в анализе данных, эконометрике, машинном обучении и других областях, где требуется проверка статистических гипотез о распределении.

¶Определение и принцип работы

Q-Q plot строится на основе квантилей — значений, которые делят распределение на равные части. Для двух распределений (эмпирического, полученного из данных, и теоретического) вычисляются квантили для одинаковых вероятностей (например, 0,01, 0,02, ..., 0,99). Затем эти пары квантилей наносятся на декартову плоскость: по оси X откладываются квантили теоретического распределения, по оси Y — квантили эмпирического распределения. Если распределения совпадают, точки ложатся на прямую линию y = x (или близко к ней). Отклонения от прямой указывают на различия в форме, масштабе или сдвиге распределений.

¶История

Метод Q-Q plot был разработан в середине XX века в рамках развития статистической графики. Одним из первых его описал американский статистик Джон Тьюки в 1960-х годах в контексте методов разведочного анализа данных (exploratory data analysis). Тьюки популяризировал использование графиков для выявления закономерностей в данных без строгих предположений о распределении. Впоследствии Q-Q plot стал стандартным инструментом в статистических пакетах (R, Python, SAS, SPSS) и вошёл в учебные курсы по статистике.

¶Виды Q-Q plot

¶Q-Q plot для нормального распределения

Наиболее распространённый вариант — сравнение эмпирических данных с нормальным распределением (также называется нормальным вероятностным графиком или нормальным Q-Q plot). Используется для проверки нормальности данных, что является важным условием для многих параметрических тестов (t-тест, ANOVA, линейная регрессия). Если точки ложатся на прямую, данные можно считать нормально распределёнными.

¶Q-Q plot для других распределений

Аналогично строится для сравнения с любым теоретическим распределением: равномерным, экспоненциальным, логнормальным, распределением Пуассона и т.д. Выбор распределения зависит от контекста задачи.

¶Сравнение двух эмпирических распределений

Q-Q plot может использоваться для сравнения двух наборов данных без привязки к теоретическому распределению. В этом случае квантили одного набора откладываются против квантилей другого. Это позволяет оценить, взяты ли выборки из одного распределения.

¶Построение Q-Q plot

¶Алгоритм

Упорядочить наблюдаемые значения по возрастанию.
Для каждого значения вычислить его эмпирическую вероятность (например, по формуле \( p_i = \frac{i - 0,5}{n} \), где \( i \) — номер значения, \( n \) — объём выборки).
Для тех же вероятностей найти квантили теоретического распределения.
Построить точки: по оси X — теоретические квантили, по оси Y — наблюдаемые значения.
Для удобства интерпретации часто добавляют линию регрессии (обычно по методу наименьших квадратов или линию, проходящую через первый и третий квартили).

¶Пример в Python

В библиотеке scipy.stats есть функция probplot, которая строит Q-Q plot для нормального распределения. В statsmodels — функция qqplot, позволяющая задать любое распределение. В R используется функция qqnorm (для нормального) и qqplot (для произвольных распределений).

¶Интерпретация

¶Совпадение распределений

Точки лежат на прямой — распределения идентичны (с точностью до случайных отклонений). Допустимы небольшие колебания, особенно на краях (хвостах) распределения.

¶Отклонения от прямой

Сдвиг: если точки параллельны прямой, но смещены вверх или вниз, это указывает на различие в средних значениях (центрах распределений).
Масштаб: если точки образуют прямую с наклоном, отличным от 45°, это говорит о различии в дисперсиях (разбросе).
Асимметрия: если точки отклоняются вверх или вниз на одном конце графика, распределение имеет асимметрию (скошенность). Например, при положительной асимметрии (правосторонней) точки на правом хвосте лежат выше прямой.
Тяжёлые хвосты: если точки на обоих концах отклоняются от прямой, распределение имеет более толстые хвосты, чем теоретическое (например, распределение Стьюдента).
Выбросы: отдельные точки, сильно удалённые от прямой, могут указывать на выбросы в данных.

¶Примеры

Нормальное распределение: точки плотно лежат вдоль прямой, особенно в центральной части.
Равномерное распределение: точки образуют S-образную кривую, так как у равномерного распределения более короткие хвосты.
Экспоненциальное распределение: точки на левом конце лежат выше прямой, на правом — ниже, что отражает положительную асимметрию.

¶Применение

¶Проверка нормальности

Q-Q plot — один из основных графических методов проверки нормальности, наряду с гистограммой и тестами (Шапиро-Уилка, Колмогорова-Смирнова). Он позволяет выявить отклонения, которые могут быть неочевидны на гистограмме, особенно в хвостах распределения.

¶Оценка остатков регрессии

В линейной регрессии предполагается, что остатки (разности между наблюдаемыми и предсказанными значениями) нормально распределены. Q-Q plot остатков помогает проверить это предположение. Если остатки отклоняются от нормальности, это может указывать на нелинейность, гетероскедастичность или выбросы.

¶Сравнение выборок

Q-Q plot используется для сравнения двух групп данных, например, в медицинских исследованиях (сравнение эффекта лечения и плацебо) или в техническом анализе (сравнение распределений параметров качества).

¶Анализ финансовых данных

В финансах Q-Q plot применяется для оценки соответствия доходностей активов нормальному распределению. Отклонения от нормальности (например, толстые хвосты) важны для управления рисками и моделирования экстремальных событий.

¶Ограничения и критика

Субъективность: интерпретация Q-Q plot зависит от визуальной оценки, что может приводить к разным выводам у разных аналитиков. Для объективности рекомендуется дополнять график статистическими тестами.
Чувствительность к объёму выборки: при малых выборках (менее 30 наблюдений) Q-Q plot может быть ненадёжным из-за случайных колебаний. При больших выборках даже малые отклонения от нормальности становятся заметными, что может вводить в заблуждение.
Непригодность для категориальных данных: метод работает только для количественных данных.
Альтернативы: существуют другие графики, такие как P-P plot (вероятностный график), который сравнивает кумулятивные вероятности, а не квантили. P-P plot более чувствителен к отклонениям в центре распределения, но менее — к хвостам.

¶Интересные факты

Q-Q plot является частным случаем более общего класса графиков — графиков квантиль-квантиль, которые могут быть построены для любых двух распределений.
В некоторых областях, например, в геостатистике, Q-Q plot используется для проверки пространственной однородности данных.
Метод легко реализуется вручную, но в современных статистических пакетах автоматически вычисляются доверительные интервалы для линии, что упрощает интерпретацию.

¶Источники

Chambers, J. M., Cleveland, W. S., Kleiner, B., & Tukey, P. A. (1983). Graphical Methods for Data Analysis. Wadsworth.
Wilk, M. B., & Gnanadesikan, R. (1968). Probability plotting methods for the analysis of data. Biometrika, 55(1), 1–17.
Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley.
Документация библиотек scipy.stats и statsmodels (Python), а также stats (R).

BFOmetr — база данных и аналитика по компаниям России.

На главную BFOmetr →