如何在Julia中计算样本数组中指定样本值对应的分位数？

Statistics.jl的quantile()函数逻辑是给定分位数q，返回样本中对应分位数的数值，而我们需要的是反向操作：给定样本中的某个数值，计算它对应的分位数（即该数值在样本中的累积分布比例）。

实现方法 #

核心思路是计算该样本值在样本中的累积计数（即小于等于该值的样本数量），再结合总样本数计算分位数，分位数的具体计算方式可根据需求选择不同定义：

1. 针对无重复值的已排序样本

samples = collect(1:50)
sample_val = 27

# 计算小于等于sample_val的样本数量
count_le = sum(samples .<= sample_val)
# 总样本数
n = length(samples)

# 方式1：对应Statistics.jl默认的分位数定义（type=6）
quantile_type6 = (count_le - 1) / (n - 1)
# 方式2：经验累积分布函数（ECDF）的估计值
quantile_ecdf = count_le / n

println("分位数（type=6定义）：", quantile_type6) # 输出≈0.5306
println("分位数（ECDF）：", quantile_ecdf) # 输出0.54

2. 针对未排序或有重复值的样本
   只需先对样本排序，再按上述步骤计算即可：

using Random

# 生成带重复值的未排序样本
samples = shuffle(vcat(collect(1:50), 27, 27))
sample_val = 27

sorted_samples = sort(samples)
count_le = sum(sorted_samples .<= sample_val)
n = length(samples)

quantile_type6 = (count_le - 1) / (n - 1)
quantile_ecdf = count_le / n

println("分位数（type=6定义）：", quantile_type6)
println("分位数（ECDF）：", quantile_ecdf)

说明 #

• 分位数的定义有多种，不同定义会导致结果略有差异，可根据业务需求选择：
  • (count_le - 1)/(n - 1) 对应Statistics.jl中quantile()函数默认的type=6定义，适合和该函数的逆运算匹配；
  • count_le/n 是经验累积分布函数的直接估计，代表样本中小于等于该值的比例。

内容的提问来源于stack exchange，提问作者BAR