Un quintile est une valeur statistique d'un ensemble de données qui représente 20 % d'une population donnée, de sorte que le premier quintile représente le cinquième inférieur des données (1 % à 20 %). le deuxième quintile représente le deuxième cinquième (21 % à 40 %) et ainsi de suite.
Les quintiles sont utilisés pour créer des seuils pour une population donnée ; une étude socio-économique parrainée par le gouvernement peut utiliser des quintiles pour déterminer la richesse maximale qu'une famille pourrait posséder pour appartenir au quintile le plus bas de la société. Ce seuil peut ensuite être utilisé comme condition préalable pour qu'une famille reçoive une subvention spéciale du gouvernement visant à aider les moins fortunés de la société.
Un quintile est un type de quantile, qui est défini comme des segments de taille égale d'une population. L'une des mesures les plus courantes dans l'analyse statistique, la médiane, n'est en fait que le résultat de la division d'une population en deux quantiles. Un quintile est l'une des cinq valeurs qui divisent une plage de données en cinq parties égales, chacune représentant 1/5e (20 %) de la plage. Une population divisée en trois parties égales est divisée en tertiles, tandis qu'une population divisée en quarts est divisée en quartiles. Plus l'ensemble de données est grand, plus il est facile de le diviser en quantiles plus grands. Les économistes utilisent souvent des quintiles pour analyser de très grands ensembles de données, comme la population des États-Unis.
Par exemple, si nous devions examiner tous les cours de clôture d'une action spécifique pour chaque jour de l'année écoulée, les 20 % supérieurs de ces prix représenteraient le quintile supérieur des données. Les 20 % inférieurs de ces prix représenteraient le quintile inférieur des données. Il y aurait trois quintiles entre les quintiles supérieur et inférieur. Alors que la moyenne de tous les prix des actions se situe généralement entre les deuxième et quatrième quintiles, qui est le point médian des données, les valeurs aberrantes sur le haut ou le bas des données peuvent augmenter ou diminuer la valeur moyenne. Par conséquent, il est utile de tenir compte de la distribution des points de données (et de tenir compte de toute valeur aberrante significative) lorsque vous essayez de comprendre les données et les valeurs moyennes.
Les politiciens invoquent les quintiles pour illustrer la nécessité de changements de politique. Par exemple, un politicien qui défend la justice économique peut diviser la population en quintiles pour illustrer comment les 20 % des revenus les plus élevés contrôlent ce qui, à son avis, représente une part injustement importante de la richesse. À l'autre extrémité du spectre, un politicien appelant à la fin de l'imposition progressive pourrait utiliser des quintiles pour faire valoir que les 20 % les plus riches supportent une part trop importante du fardeau fiscal.
Dans "The Bell Curve", un livre controversé de 1994 sur le quotient intellectuel (QI), les auteurs utilisent des quintiles tout au long du texte pour illustrer leurs recherches, montrant que le QI est fortement corrélé à des résultats positifs dans la vie.
Pour certaines populations, l'utilisation d'autres méthodes pour examiner la distribution des données est plus logique que l'utilisation de quintiles. Pour les ensembles de données plus petits, l'utilisation de quartiles ou de tertiles permet d'éviter que les données ne soient trop dispersées. La comparaison de la moyenne ou de la moyenne d'un ensemble de données à sa médiane, ou le point limite où les données sont divisées en deux quantiles, révèle si les données sont uniformément réparties ou si elles sont asymétriques vers le haut ou vers le bas. Une moyenne significativement supérieure à la médiane indique que les données sont très lourdes, tandis qu'une moyenne inférieure suggère le contraire.
