手动计算90分位数与percentile_cont函数结果不一致，原因何在？

核心结论 #

你遇到的差异不是z-score精度问题，而是对分位数计算逻辑的概念误解——用z-score推导分位数的方法仅适用于正态分布数据，但你的数据集是均匀分布，完全不满足这个前提，因此结果自然和percentile_cont的计算结果不符。

具体解释 #

1. percentile_cont(.90)的计算逻辑
   percentile_cont是连续型分位数函数，它的计算完全基于数据的有序位置：

   • 你的数据集是1到1000的连续整数，共1000条数据。
   • 90分位数的位置为 n * p = 1000 * 0.9 = 900（n是数据量，p是分位比例）。
   • 因为是连续型分位数，函数会在第900个值（900）和第901个值（901）之间做线性插值，结果为 (900 + 901) / 2 = 900.1，和你得到的结果一致。

2. z-score法的适用场景
   你用的1.28155是标准正态分布下的90%分位数对应的z值，这个方法的逻辑是：

   分位数 = 均值 + z值 * 标准差
   

   但这个公式成立的前提是数据服从正态分布。而你的数据集是1到1000的均匀分布，均值为500.5，标准差约288.675，代入公式得到的870.6是正态分布假设下的结果，和实际数据的分位数没有对应关系。

你的SQL代码与执行结果 #

select round(((1.28155 * stddev(num)) + avg(num)),1) as my_number,
       percentile_cont(.90) within group ( order by num) as NINETIETH from (
    select level as num from dual connect by level <= 1000
)

执行结果：

内容的提问来源于stack exchange，提问作者Christian Bongiorno