Que sont les Quintiles?
Un quintile est une valeur statistique d'un ensemble de données qui représente 20% d'une population donnée, donc le premier quintile représente le cinquième le plus bas 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 points de coupure 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 afin d'appartenir au quintile le plus bas de la société. Ce point de coupure peut alors être utilisé comme condition préalable pour qu'une famille reçoive une subvention gouvernementale spéciale visant à aider les plus démunis de la société.
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 en 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, chacune représentant 1/5 (20%) de la plage. Une population divisée en trois parties égales est divisée en tertiles, tandis qu'une division en quarts est divisée en quartiles. Plus l'ensemble de données est grand, plus il est facile de se diviser en plus grands quantiles. Les économistes utilisent souvent des quintiles pour analyser de très grands ensembles de données, tels que la population des États-Unis.
Par exemple, si nous regardions tous les prix de clôture d'un stock 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. La moyenne de tous les cours boursiers se situe généralement entre le deuxième et le quatrième quintile, ce qui est le point médian des données.
Points clés à retenir
- Les quintiles sont représentatifs de 20% d'une population donnée. Par conséquent, le premier quintile représente le cinquième le plus bas des données et le quintile final représente le dernier ou le dernier cinquième des données.Ils sont généralement utilisés pour les 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 comprennent les quartiles et les tertiles.
Utilisations courantes des quintiles
Les politiciens invoquent des quintiles pour illustrer la nécessité de changements de politique. Par exemple, un homme politique qui défend la justice économique peut diviser la population en quintiles pour illustrer comment les 20% des salariés les plus riches contrôlent ce qui est, selon lui, une part injustement importante de la richesse. À l'autre extrémité du spectre, un politicien appelant à la fin de la fiscalité progressive pourrait utiliser des quintiles pour faire valoir que les 20% les plus riches assument une part trop importante de la pression fiscale.
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 corrélé avec des résultats positifs dans la vie.
Alternatives aux Quintiles
Pour certaines populations, l'utilisation d'autres méthodes pour examiner la façon dont les données sont distribuées est plus logique que l'utilisation de quintiles. Pour les petits ensembles de données, 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 de coupure où les données sont divisées en deux quantiles, révèle si les données sont réparties uniformément ou si elles sont biaisées vers le haut ou le bas. Une moyenne significativement supérieure à la médiane indique que les données sont trop lourdes, tandis qu'une moyenne inférieure suggère le contraire.
