kvantilbaserade

Kvantilbaserade beskriver metoder och resonemang som bygger på kvantiler i data eller fördelningar. En kvantil är ett värde som delar upp observationerna i grupper som innehåller en viss andel under och över värdet, till exempel kvartiler (25 %, 50 %, 75 %), medianen (50 %) eller andra percentiler. Kvantilbaserade metoder fokuserar alltså på fördelningens olika delar snarare än dess centrala moment som medelvärde.

Användningsområden finner man inom flera statistiska områden. Kvantilregression, eller kvantilbaserad regression, uppskattar olika kvantiler av den beroende variabeln givet ett antal oberoende variabler, vilket ger en mer nyanserad bild vid skev fördelning eller heteroskedasticitet. Deskriptiv statistik kan använda kvantiler för att sammanfatta data med robusta mått som median och kvartiler istället för medel och standardavvikelse. Inom inferens används kvantilbaserade metoder exempelvis i bootstrap-tekniker där konfidensintervall byggs från percentilfördelningar av upprepade resamplingar.

Fördelar med kvantilbaserade metoder inkluderar motståndskraft mot outliers, särskilt när data är skevfördelade, samt möjlighet att detaljstudera olika delar av fördelningen istället för bara mitten. Begränsningar kan vara mindre effektivitet om fördelningen verkligen är normal och homogent, samt att tolkning av olika kvantile-estimat kräver tydlighet kring vilka delar av fördelningen som är mest relevanta för frågeställningen. Kvantilbaserade metoder används också inom ekonomi och riskmått som VaR, där riskexponering bedöms vid specifika ned- eller uppgångsnivåer i fördelningen.