Το εκατοστημόριο είναι ένα στατιστικό μέτρο της θέσης, διαιρώντας την ταξινομημένη κατανομή των δεδομένων σε εκατό ίσα μέρη.
Αυτό το μέτρο μη κεντρικής θέσης παρέχει πληροφορίες σχετικά με το ποσοστό των παρατηρήσεων μιας μεταβλητής, ταξινομημένες από το χαμηλότερο στο υψηλότερο, που είναι κάτω από την τιμή της.
Με αυτόν τον τρόπο, το 20ο εκατοστημόριο (P20) θα ήταν η τιμή της μεταβλητής, που βρίσκεται στο όριο των πρώτων 20.
Πώς υπολογίζεται το εκατοστημόριο;
Όπως όλα τα ποσοτικά, το εκατοστημόριο μπορεί να υπολογιστεί για ομαδοποιημένα δεδομένα ή όχι. Για το πρώτο, υπάρχουν κάπως περίπλοκοι τύποι που μπορούμε να βρούμε στα εγχειρίδια στατιστικών. Για το τελευταίο, το ευκολότερο είναι να χρησιμοποιήσετε ένα υπολογιστικό φύλλο.
Στην εικόνα μπορούμε να δούμε μια μορφή αναπαράστασης. Το κύριο ορθογώνιο αντιπροσωπεύει τα δεδομένα που ταξινομούνται από το χαμηλότερο στο υψηλότερο, και τα ανοικτά μπλε αντιπροσωπεύουν τα διαφορετικά εκατοστημόρια.
Έχουμε δείξει τα τρία πιο σχετικά. Ειδικά το P50, το οποίο αντιστοιχεί στη διάμεση τιμή.
Περιλαμβάνουμε επίσης τον τύπο για τον υπολογισμό σας.
Ποσοστό χαρακτηριστικό
Ας δούμε μερικά από τα πιο σχετικά χαρακτηριστικά του εκατοστημορίου.
- Πρώτα απ 'όλα, είναι παρόμοιο με άλλες μη κεντρικές μετρήσεις θέσης. Επομένως, μας ενημερώνει για τη θέση των δεδομένων σε σχέση με τους άλλους.
- Από την άλλη πλευρά, σε πολλές περιπτώσεις παρέχει πιο λεπτομερείς πληροφορίες από άλλες. Για παράδειγμα, ορισμένοι επιστημονικοί δείκτες επιπτώσεων το χρησιμοποιούν αντί για το τεταρτημόριο.
- Επιπλέον, είναι πολύ χρήσιμο για την ομαδοποίηση μεγάλου όγκου δεδομένων. Όταν δουλεύουμε με πολλές περιπτώσεις, τα άλλα ποσοτικά μπορούν να δώσουν ομάδες που είναι πολύ μεγάλες και δύσκολο να ερμηνευθούν.
- Ωστόσο, έχει ένα μειονέκτημα που σχετίζεται με τα παραπάνω. Δεν είναι χρήσιμο για δείγματα με λίγες περιπτώσεις, καθώς οι ομάδες θα ήταν πολύ μικρές. Επομένως, υπό αυτές τις συνθήκες, συνιστώνται άλλοι όπως το τεταρτημόριο ή το δεκαδικό.
Παράδειγμα ποσοστού και δείκτη αντίκτυπου
Τα επιστημονικά περιοδικά μετρούν τη σημασία τους με τους λεγόμενους δείκτες επιπτώσεων. Αυτός είναι ένας ευρέως χρησιμοποιούμενος δείκτης στην επιστήμη.
Το πιο γνωστό είναι το JCR, το οποίο χωρίζει τις δημοσιεύσεις σε τεταρτημόρια. Ωστόσο, το δεύτερο σε σημασία είναι το SJR που το κάνει σε εκατοστημόρια.
Ας φανταστούμε λοιπόν ένα φανταστικό παράδειγμα όπως αυτό στην εικόνα.
Μπορούμε να δούμε ότι αυτό που ονομάσαμε περιοδικό 1 είναι στο P15, ενώ το 2 είναι στο P55 και το 3 στο P95.
Σε αυτήν την περίπτωση, αυτός με τον μεγαλύτερο αντίκτυπο είναι ο νούμερο τρία, καθώς οι δείκτες θα ταξινομήθηκαν από το χαμηλότερο στο υψηλότερο.