Percentielen

Zakelijke data analyseren in SQL

Michel Semaan

Data Scientist

Percentielen - overzicht

Percentiel: het n-de percentiel is de waarde waarvoor $n\%$ van de dataset lager is
- Laagste waarde is het 0e percentiel
- Hoogste waarde is het 99e percentiel

Kwartielen

Voorbeeld: 25e percentiel van gebruikersbestellingen is 17; dan heeft 25% 17 keer of minder besteld
Eerste kwartiel: 25e percentiel
Derde kwartiel: 75e percentiel
Interkwartielafstand (IQR): alle data tussen het eerste en derde kwartiel
Tweede kwartiel: 50e percentiel, mediaan
- Anders dan het gemiddelde!

Scheve data

Scheve verdelingen

Kwartielen - query

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;

Kwartielen - resultaat

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

Percentielen

Zakelijke data analyseren in SQL