quintiles

Que sont les quintiles ?

Un quintile est une valeur statistique d’un ensemble de données qui représente 20 % d’une population donnée, le premier quintile représentant le cinquième inférieur des données (1 % à 20 %) ; le deuxième quintile représente le deuxième cinquième (21 % à 40 %) et ainsi de suite.

Les quintiles sont utilisés pour créer des seuils pour une population donnée ; Une étude socio-économique parrainée par le gouvernement peut utiliser des quintiles pour déterminer la richesse maximale qu’une famille pourrait posséder pour appartenir au quintile inférieur de la société. Cette limite peut être utilisée comme condition préalable pour qu’une famille reçoive une subvention gouvernementale spéciale destinée à aider les moins fortunés de la société.

Points clés à retenir

  • Les quintiles sont représentatifs de 20 % d’une population donnée. Par conséquent, le premier quintile représente le cinquième inférieur des données et le quintile inférieur représente le cinquième inférieur des données.
  • Ils sont généralement utilisés pour de grands ensembles de données et sont souvent invoqués par les politiciens et les économistes pour discuter des concepts de justice économique et sociale.
  • Selon la taille de la population, les alternatives aux quintiles incluent les quartiles et les tertiles.

comprendre les quintiles

Un quintile est un type de quantile, qui est défini comme des segments de taille égale d’une population. L’une des mesures les plus courantes dans l’analyse statistique, la médiane, n’est en fait que le résultat de la division d’une population en deux quantiles. Un quintile est l’une des cinq valeurs qui divisent une plage de données en cinq parties égales, chaque partie représentant 1/5 (20 %) de la plage. Une population divisée en trois parties égales est divisée en tertiles, tandis qu’une population divisée en quarts est divisée en quartiles. Plus l’ensemble de données est grand, plus il est facile de le diviser en quantiles plus grands. Les économistes utilisent souvent des quintiles pour analyser de très grands ensembles de données, comme la population des États-Unis.

Par exemple, si nous devions examiner tous les cours de clôture d’une action spécifique pour chaque jour de l’année dernière, les 20 % supérieurs de ces prix représenteraient le quintile supérieur des données. Les 20 % inférieurs de ces prix représenteraient le quintile inférieur des données. Il y aurait trois quintiles entre les quintiles supérieur et inférieur. Alors que la moyenne de tous les prix des actions se situe généralement entre les deuxième et quatrième quintiles, qui est le point médian des données, les valeurs aberrantes à l’extrémité supérieure ou inférieure des données peuvent augmenter ou diminuer la valeur moyenne. Par conséquent, il vaut la peine de considérer la distribution des points de données et de prendre en compte toute valeur aberrante significative lorsque vous essayez de comprendre les données et les valeurs moyennes.

Utilisations courantes des quintiles

Les politiciens invoquent les quintiles pour illustrer la nécessité de changements de politique. Par exemple, un politicien prônant la justice économique pourrait diviser la population en quintiles pour illustrer comment les 20 % des mieux rémunérés contrôlent ce qu’ils pensent être une part injustement importante de la richesse. À l’autre extrémité du spectre, un politicien appelant à la fin des impôts progressifs pourrait utiliser des quintiles pour affirmer que les 20 % les plus riches supportent une trop grande part du fardeau fiscal.

Dans “The Bell Curve”, un livre controversé de 1994 sur le quotient intellectuel (QI), les auteurs utilisent des quintiles tout au long du texte pour illustrer leurs recherches, montrant que le QI est fortement associé à des résultats positifs dans la vie.

Alternatives aux quintiles

Pour certaines populations, l’utilisation d’autres méthodes pour examiner la distribution des données est plus logique que l’utilisation de quintiles. Pour les ensembles de données plus petits, l’utilisation de quartiles ou de tertiles permet d’éviter que les données ne soient trop dispersées. La comparaison de la moyenne ou de la moyenne d’un ensemble de données avec sa médiane, ou le point limite où les données se divisent en deux quantiles, révèle si les données sont uniformément réparties ou biaisées vers le haut ou vers le bas. Une moyenne significativement supérieure à la médiane indique que les données sont très lourdes, tandis qu’une moyenne inférieure suggère le contraire.