Percentiles

Análisis de datos empresariales en SQL

Michel Semaan

Data Scientist

Percentiles: visión general

Percentil: el percentil n es el valor por debajo del cual está el n% de los datos
- El valor más bajo es el percentil 0
- El valor más alto es el percentil 99

Cuartiles

Ejemplo: si el percentil 25 de pedidos por usuario es 17, entonces el 25% ha hecho 17 pedidos o menos
Primer cuartil: percentil 25
Tercer cuartil: percentil 75
Rango intercuartílico (IQR): datos entre el primer y el tercer cuartil
Segundo cuartil: percentil 50, mediana
- ¡Distinta de la media!

Datos sesgados

Distribuciones sesgadas

Cuartiles: consulta

WITH user_orders AS (
  SELECT
    user_id,
    COUNT(DISTINCT order_id) AS orders
  FROM orders
  GROUP BY user_id)


SELECT
  ROUND(
    PERCENTILE_CONT(0.25) WITHIN GROUP (ORDER BY orders ASC) :: NUMERIC,
  2) AS orders_p25,
  ROUND(
    PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY orders ASC) :: NUMERIC,
  2) AS orders_p50,
  ROUND(
    PERCENTILE_CONT(0.75) WITHIN GROUP (ORDER BY orders ASC) :: NUMERIC,
  2) AS orders_p75,
  ROUND(AVG(orders) :: NUMERIC, 2) AS avg_orders
FROM user_orders;

Cuartiles: resultado

orders_p25  orders_p50  orders_p75  avg_orders
----------  ----------  ----------  ----------
6.00        8.00        11.00       8.70

Percentiles

Análisis de datos empresariales en SQL