【四分位差怎么計算】四分位差（Interquartile Range，簡稱IQR）是統計學中用于衡量數據分布離散程度的一個重要指標。它表示中間50%的數據范圍，即第三四分位數（Q3）與第一四分位數（Q1）之間的差值。相比極差（最大值減最小值），四分位差更能反映數據的集中趨勢和異常值的識別能力。

一、四分位差的定義

四分位差 = Q3 - Q1

其中：

- Q1（第一四分位數）：將數據從小到大排列后，位于25%位置的數值。

- Q3（第三四分位數）：將數據從小到大排列后，位于75%位置的數值。

二、四分位差的計算步驟

1. 將數據從小到大排序

確保數據按升序排列，這是計算四分位數的基礎。

2. 確定數據個數（n）

計算數據點的數量，以便后續計算位置。

3. 計算Q1和Q3的位置

- Q1的位置：(n + 1) × 0.25

- Q3的位置：(n + 1) × 0.75

4. 根據位置查找對應的數值

如果位置為整數，則直接取該位置的數值；如果為小數，則使用插值法計算。

5. 計算四分位差

用Q3減去Q1即可得到四分位差。

三、示例說明

假設有一組數據如下（已排序）：

```

12, 15, 18, 20, 22, 25, 28, 30, 32

```

共9個數據點（n=9）

1. 計算Q1位置：(9 + 1) × 0.25 = 2.5 → 第2.5個數據

- 第2個數據是15，第3個是18

- Q1 = 15 + (18 - 15) × 0.5 = 16.5

2. 計算Q3位置：(9 + 1) × 0.75 = 7.5 → 第7.5個數據

- 第7個數據是28，第8個是30

- Q3 = 28 + (30 - 28) × 0.5 = 29

3. 計算四分位差：29 - 16.5 = 12.5

四、四分位差的意義

- 衡量數據的離散程度：四分位差越小，說明數據越集中；越大則數據越分散。

- 識別異常值：在箱線圖中，四分位差用于判斷數據是否存在異常值。

- 適用于非對稱分布：相比于標準差，四分位差對極端值不敏感，更適合偏態分布數據。

五、四分位差與極差的區別

六、總結

四分位差是描述數據集中趨勢和離散程度的重要工具，尤其在處理存在異常值或非對稱分布的數據時更具優勢。通過計算Q1和Q3的差值，可以更準確地了解數據中間50%的分布情況，從而為數據分析提供有力支持。

表格總結