Вероятность и статистика · объяснение и практика
Как обратная функция распределения задаёт квантили
Как обобщённая обратная функция выбирает квантиль при скачках CDF, почему равенство F(q)=p может не иметь решения и чем это отличается от интерполяции выборки.

В теме Случайные величины и распределения · Учебная карта
В маршруте Совместные и преобразованные распределения · 10 тем
Главная мысль
Для уровня 0<p<1 стандартная квантильная функция задаётся как Q(p)=inf{x: F(x)≥p}. Она выбирает первое достижение нужной накопленной вероятности, даже если функция распределения перескочила через этот уровень.
Скачок не позволяет решить равенство буквально
Пусть величина принимает значения 1, 4 и 9 с вероятностями 0,2;0,5;0,3. Её CDF равна нулю до единицы, затем 0,2 до четвёрки, затем 0,7 до девятки и единице дальше. Для уровня 0,6 никакого x с F(x)=0,6 нет: функция перескакивает с 0,2 на 0,7.
По определению Q(0,6)=4, поскольку здесь накопленная вероятность впервые становится не меньше требуемой. При этом F(Q(0,6))=0,7, а не 0,6. Условие с нестрогим знаком принципиально: точное значение уровня может попасть на край скачка. Поэтому Q(0,2)=1, тогда как для чуть большего уровня, например 0,21, квантиль уже равна четырём.
Обратное преобразование работает и для атомов
В этом примере Q(u) равна единице при u от нуля до 0,2 включительно, четырём при u больше 0,2 и не больше 0,7, девяти при больших u до единицы. Если U равномерна на (0;1), то X=Q(U) получает нужные массы: длины соответствующих интервалов равны 0,2;0,5;0,3.
Здесь нет необходимости случайно выбирать между двумя соседними исходами по расстоянию до уровня. Сам равномерный аргумент уже обеспечивает правильные частоты. Для непрерывной строго возрастающей CDF это правило превращается в обычное решение F(x)=p. В дискретном случае приходится сохранять обобщённое определение, иначе из алгоритма исчезнут скачки вероятности.
Пример
Почему Q(0,7)=4, а Q(0,71)=9?
Уровень 0,7 уже достигнут в точке четыре. Уровень 0,71 ещё нет; ближайшее последующее достижение происходит только в точке девять.
Квантиль закона и выборочный метод — разные соглашения
Когда дана конечная выборка, программа может сначала построить эмпирическую CDF, а может интерполировать между порядковыми статистиками по отдельному правилу. Эти способы дают разные численные квартили на небольших наборах. Расхождение не обязательно означает ошибку одной из программ: важно назвать используемое определение и задачу оценки.
В этой статье рассматривается заданный вероятностный закон и его обобщённая обратная, а не выборочная интерполяция. Значения на уровнях ноль и один также требуют соглашений о границах носителя и не входят в указанное открытое условие. Перед сравнением результатов полезно проверить три вещи: уровень p, направление накопления вероятности и строгость знака в определении.
От чтения к действию
А теперь — вы
Частые вопросы
Квантиль обязана иметь ровно p вероятности слева?
При скачках нет. CDF может перескочить через уровень; обобщённая обратная выбирает первое достижение или превышение.
Почему одинаковая выборка даёт разные квартили в программах?
Возможны разные соглашения об интерполяции порядковых статистик. Их нужно согласовать перед численным сравнением.
Источники и работа с материалом
Объяснение, примеры и вопросы написаны для erudeet. Факты и определения сверены по источникам ниже; это ссылки для самостоятельной проверки.
Продолжить разбираться
Как минимум и максимум меняют распределение выборки
Как вывести законы минимума и максимума независимой одинаковой выборки через совместные события и не перепутать вероятность порога со средним крайним значением.
Открыть темуКак совместная таблица задаёт маргинальные и условные законы
Как одна таблица вероятностей пары восстанавливает отдельные законы, события по нескольким клеткам и условное распределение после фиксации одного признака.
Открыть тему