Quartil-Rechner

Was sind Quartile?

Quartile teilen einen sortierten Datensatz in vier gleiche Teile. Wie der Median Daten in zwei Hälften teilt, erzeugen Quartile Viertel:

• Q1 (Erstes Quartil): 25 % der Werte liegen unter diesem Punkt
• Q2 (Zweites Quartil): 50 % liegen darunter — das ist der Median
• Q3 (Drittes Quartil): 75 % der Werte liegen unter diesem Punkt

Der Abstand zwischen Q1 und Q3 ist der Interquartilsabstand, der erfasst, wo die mittlere Hälfte Ihrer Daten liegt.

Quartile finden

Der grundlegende Ansatz

1. Sortieren Sie Ihre Daten vom kleinsten zum größten Wert
2. Finden Sie den Median (Q2) — den mittleren Wert
3. Q1 ist der Median der unteren Hälfte (unterhalb von Q2)
4. Q3 ist der Median der oberen Hälfte (oberhalb von Q2)

Beispiel mit ungeradem n

Daten: {3, 7, 8, 12, 15, 18, 21}

Sortiert mit n = 7:

• Median (Q2) = 12 (der 4. Wert)
• Untere Hälfte: {3, 7, 8} → Q1 = 7
• Obere Hälfte: {15, 18, 21} → Q3 = 18

Beispiel mit geradem n

Daten: {5, 8, 12, 15, 18, 22, 25, 30}

Sortiert mit n = 8:

• Median (Q2) = (15 + 18)/2 = 16,5
• Untere Hälfte: {5, 8, 12, 15} → Q1 = (8 + 12)/2 = 10
• Obere Hälfte: {18, 22, 25, 30} → Q3 = (22 + 25)/2 = 23,5

Verschiedene Methoden zur Berechnung von Quartilen

Verschiedene Lehrbücher und Software verwenden leicht unterschiedliche Quartil-Definitionen. Bei großen Datensätzen sind die Unterschiede vernachlässigbar. Bei kleinen Stichproben können sie relevant sein.

Methode 1: Exklusiv (Tukeys Angelpunkte)

Der Median wird bei der Bestimmung von Q1 und Q3 ausgeschlossen. Wenn n ungerade ist, wird der Median in keiner der beiden Hälften berücksichtigt.

Methode 2: Inklusiv

Der Median wird bei der Bestimmung von Q1 und Q3 in beide Hälften einbezogen.

Methode 3: Lineare Interpolation

Wird von vielen Softwarepaketen verwendet. Berechnen Sie die genauen Positionen:

• Q1-Position = $(n + 1) \times 0,25$
• Q3-Position = $(n + 1) \times 0,75$

Dann interpolieren Sie zwischen benachbarten Werten.

Welche Methode?

In der Praxis beeinflussen die Unterschiede selten die Schlussfolgerungen. Bleiben Sie innerhalb einer Studie konsistent und notieren Sie, welche Methode Ihre Software verwendet, wenn Sie Ergebnisse berichten.

Warum Quartile wichtig sind

Boxplots

Boxplots — eine der aussagekräftigsten Visualisierungen — basieren auf Quartilen:

      |----[####|####]-------|
     Min   Q1  Q2  Q3       Max

Die Box erstreckt sich von Q1 bis Q3, wobei Q2 im Inneren markiert ist. Die Whisker reichen bis zu den Extremwerten (oder zu den Zaungrenzwerten).

Perzentil-Interpretation

Quartile sind bestimmte Perzentile:

• Q1 = 25. Perzentil
• Q2 = 50. Perzentil
• Q3 = 75. Perzentil

Das Verständnis von Quartilen lässt sich auf jedes Perzentil verallgemeinern.

Schiefe erkennen

Bei symmetrischen Verteilungen:

• $Q_2 - Q_1 \approx Q_3 - Q_2$

Bei rechtsschiefen Verteilungen:

• $Q_3 - Q_2 > Q_2 - Q_1$

Bei linksschiefen Verteilungen:

• $Q_2 - Q_1 > Q_3 - Q_2$

Robuste Lagebeschreibung

Die Angabe „Median = 45, Q1 = 38, Q3 = 52" gibt dem Leser ein robustes Bild von Zentrum und Streuung Ihrer Daten, unbeeinflusst von Ausreißern, die den Mittelwert und die Standardabweichung verzerren würden.

Anwendungen in verschiedenen Bereichen

Bildung: Notenverteilungen

„Studierende im obersten Quartil (Q3 und darüber) erhielten die Note Sehr gut."

Quartil-basierte Benotung liefert natürliche Grenzwerte.

Gesundheitswesen: Patientenstratifizierung

Forschung vergleicht häufig Patienten in verschiedenen Quartilen:

„Die Sterblichkeit betrug 3 % für das niedrigste Blutdruck-Quartil, aber 12 % für das höchste Quartil."

Finanzen: Leistungsranking

Investmentfonds werden nach Quartilen eingestuft:

• Erstes Quartil (obere 25 %): Hervorragend
• Viertes Quartil (untere 25 %): Unterdurchschnittlich

Sport: Athletenkategorisierung

Combine-Ergebnisse verwenden oft Quartil-Rankings:

„Sein 40-Yard-Sprint lag im dritten Quartil unter den gedrafteten Spielern."

Immobilien: Marktsegmentierung

Immobilienwerte nach Quartilen definieren Marktsegmente:

• Luxusmarkt: Oberstes Quartil
• Einstiegshäuser: Unterstes Quartil

Galton und die Ursprünge der Quartile

Francis Galton (1822–1911) war ein Pionier der perzentilbasierten Statistik bei der Untersuchung menschlicher Variation. Er erkannte, dass die Rangordnung von Beobachtungen Erkenntnisse lieferte, die Rohmessungen nicht bieten konnten.

Galtons Arbeit an „Ogiven" (kumulativen Häufigkeitskurven) führte direkt zu modernen Quartilberechnungen. Er war besonders daran interessiert zu identifizieren, wo Individuen im Vergleich zu ihren Mitmenschen standen — eine Frage, die Quartile direkt beantworten.

Verbindung zur Normalverteilung

Für normalverteilte Daten gilt:

• $Q_1 \approx \mu - 0,675\sigma$
• $Q_3 \approx \mu + 0,675\sigma$
• $IQR \approx 1,35\sigma$

Diese Beziehungen ermöglichen die Umrechnung zwischen quartilbasierten und standardabweichungsbasierten Beschreibungen für Normaldaten.

Quartilskoeffizient der Dispersion

Ein robustes relatives Streuungsmaß:

$QCD = \frac{Q_3 - Q_1}{Q_3 + Q_1}$

Dies ist analog zum Variationskoeffizienten, verwendet aber Quartile anstelle von Mittelwert und Standardabweichung.

Jenseits der Quartile: Quantile

Quartile sind spezifische Quantile, die Daten in 4 Teile unterteilen. Andere gebräuchliche Unterteilungen:

Der Perzentil-Rechner verallgemeinert Quartilberechnungen auf jede beliebige Unterteilung.

Fünf-Zahlen-Zusammenfassung

Quartile sind zentral für die Fünf-Zahlen-Zusammenfassung:

1. Minimum
2. Q1
3. Q2 (Median)
4. Q3
5. Maximum

Diese Zusammenfassung erfasst Verteilungsform, Zentrum, Streuung und Spannweite in nur fünf Zahlen.

Häufige Fehler

Verwechslung von Quartil und Viertel

Ein Quartil ist ein Punkt (ein Wert), kein Bereich. „Das erste Quartil" ist eine einzelne Zahl, nicht die unteren 25 % der Daten. Sagen Sie „unter Q1" oder „im ersten Viertel" für den Bereich.

Methodenunterschiede ignorieren

Bei kleinen Stichproben liefern verschiedene Quartilmethoden unterschiedliche Ergebnisse. Mischen Sie keine Methoden beim Vergleich von Datensätzen.

Gleiche Abstände annehmen

Quartile sind nicht unbedingt gleichmäßig verteilt. Bei schiefen Daten gilt Q2 − Q1 ≠ Q3 − Q2. Diese Asymmetrie ist informativ, kein Fehler.

Verwandte Berechnungen

Nach der Berechnung der Quartile erkunden Sie:

• Interquartilsabstand-Rechner — Q3 − Q1
• Fünf-Zahlen-Zusammenfassung-Rechner — Vollständige Zusammenfassung
• Perzentil-Rechner — Verallgemeinerung über Viertel hinaus
• Median-Rechner — Q2 im Speziellen
• Ausreißer-Rechner — Verwendet Quartile zur Erkennung

Zusammenfassung

Quartile teilen sortierte Daten in vier gleiche Teile und liefern robuste Kennwerte für Verteilungsform und Streuung. Q1, Q2 (Median) und Q3 bilden das Grundgerüst von Boxplots und der Fünf-Zahlen-Zusammenfassung. Im Gegensatz zu Mittelwert und Standardabweichung widerstehen Quartile der Verzerrung durch Ausreißer, was sie unverzichtbar für explorative Analysen und für Daten mit Extremwerten macht. Ob bei der Einstufung von Studierenden, der Stratifizierung von Patienten oder der Segmentierung von Märkten — Quartile bieten natürliche, interpretierbare Unterteilungen für beliebige stetige Daten.