Сообщить об ошибкеКороткий ответ
Процентиль P показывает значение, ниже которого находится P% наблюдений; квартили — это 25-й, 50-й (медиана) и 75-й процентили, делящие упорядоченные данные на четыре равные по количеству части.
Как это работает подробнее
данные сортируются по возрастанию, затем для процентиля P берётся значение в соответствующей позиции ряда; при нецелой позиции используется интерполяция между соседними значениями (разные методы интерполяции могут давать чуть разные числа). В отчётах стоит явно указывать, какой процентиль используется (p90, p95, p99), так как разница в интерпретации между ними существенна.
Пример кода
Пример на SQL
-- PostgreSQL
SELECT
percentile_cont(0.5) WITHIN GROUP (ORDER BY response_time_ms) AS p50,
percentile_cont(0.95) WITHIN GROUP (ORDER BY response_time_ms) AS p95
FROM api_requests;Что использовать на практике
- На практике: процентили часто используют для метрик производительности — например, p95 времени ответа сервера показывает «почти худший» опыт, а не типичный, в отличие от среднего. Для бизнес-метрик (время обработки заявки) p90/p95 часто важнее среднего, так как отражают качество для «хвостовых» пользователей. Полезно дополнительно смотреть на разницу между соседними процентилями (например, p90 и p99), которая показывает, насколько быстро растёт «хвост» распределения.
- Проверка: p95 должен быть больше или равен p50; если p95 близок к p50, значит разброс времени ответа небольшой, а если сильно выше — есть длинный хвост медленных запросов.
Подводные камни
- Частые ошибки: путать «топ-10% значений» с «90-м процентилем» (90-й процентиль отсекает именно нижние 90%, а не верхние); сравнивать p95, посчитанный разными инструментами с разными методами интерполяции, как будто это одно и то же число; использовать среднее там, где бизнес-вопрос на самом деле про «худший случай» (p99). Ещё одна ошибка — рассчитывать процентили на слишком малой выборке, где каждое отдельное наблюдение сильно влияет на итоговое значение.