Słownik metodologiczny · Statystyka opisowa

Percentyl i ranga centylowa – co to jest, jak je obliczyć i jak czytać w normach?

Percentyl to wynik, poniżej którego leży określony odsetek grupy, a ranga centylowa – odsetek grupy z wynikiem niższym od danego. Pokazujemy, jak je obliczyć, dlaczego przy remisach są trzy definicje rangi, jak przeliczyć wyniki surowe i dlaczego rang nie wolno uśredniać.

W skrócie: Percentyl (centyl) to wynik, poniżej którego leży określony odsetek uporządkowanych wyników – np. P90 oddziela 10% najwyższych. Ranga centylowa działa odwrotnie: mówi, jaki odsetek grupy odniesienia ma wynik niższy od danego. Przy remisach podaj definicję rangi (np. metoda punktu środkowego), licz ją empirycznie, a nie z rozkładu normalnego, i nie uśredniaj rang – mają nierówne odstępy.

Co to jest percentyl?

Percentyl (centyl, ang. percentile) to wartość, poniżej której leży określony odsetek uporządkowanych wyników. Dziesiąty percentyl, P10, oddziela 10% najniższych wyników, a dziewięćdziesiąty, P90 – 10% najwyższych. Niektóre percentyle mają własne nazwy: P25 to pierwszy kwartyl, P50 – mediana, P75 – trzeci kwartyl (zob. kwartyle), a P10, P20, …, P90 nazywa się decylami.

Z percentylem łączy się drugie pojęcie, często z nim mylone. Ranga centylowa (ang. percentile rank, PR) to odsetek wyników w grupie odniesienia, które są niższe od danego wyniku. Oba pojęcia opisują tę samą zależność, tylko w przeciwnych kierunkach:

  • percentyl: od procentu do wyniku – „jaki wynik oddziela 90% najniższych wyników?” (P90 = 28 pkt);
  • ranga centylowa: od wyniku do procentu – „jaki odsetek grupy ma wynik niższy niż 25 pkt?” (PR = 83.8).

W psychologii percentyle i rangi centylowe spotkasz w normach testowych, w opisie rozkładów skośnych (np. P10 i P90 czasów reakcji), przy wyznaczaniu punktów odcięcia („wynik powyżej 90. centyla”) i przy winsoryzacji skrajnych wyników do wartości wybranego percentyla.

Jak obliczyć percentyl?

Uporządkuj wyniki rosnąco, wyznacz pozycję szukanego percentyla i – jeśli wypada między dwoma wynikami – interpoluj. Szczegóły zależą od metody. Hyndman i Fan (1996) opisali wiele definicji kwantyli z próby stosowanych w programach statystycznych; zdarza się, że ten sam program używa innej definicji przy liczeniu kwantyla, a innej przy rysowaniu wykresu pudełkowego. Domyślna metoda R (typ 7) i metoda SPSS (typ 6) różnią się najbardziej w małych próbach i w ogonach rozkładu. Dlaczego tak się dzieje, pokazujemy krok po kroku w haśle o kwartylach. W przykładzie poniżej obie metody dały identyczne P25–P90, a P10 wyniósł 13.9 pkt w R i 13.1 pkt według metody SPSS.

Ranga centylowa: trzy definicje

Przy rangach centylowych kłopot sprawiają remisy, czyli osoby z tym samym wynikiem – a w krótkich testach i kwestionariuszach jest ich bardzo dużo. Crawford i in. (2009) zwracają uwagę, że współistnieją trzy definicje rangi centylowej, które mogą dawać wyraźnie różne wyniki. Jeśli B to liczba osób z wynikiem niższym, E – liczba osób z tym samym wynikiem, a N – liczebność grupy odniesienia, to:

PRponiżej = 100 × B / N
PRśrodek = 100 × (B + 0.5E) / N
PRdo = 100 × (B + E) / N

Pierwsza definicja liczy tylko wyniki niższe, trzecia – niższe i równe, a druga, metoda punktu środkowego, dzieli osoby z tym samym wynikiem po połowie. Metoda punktu środkowego jest symetryczna i nie daje rangi 0 ani 100 dla wyników, które występują w grupie, dlatego często używa się jej przy tworzeniu norm. Funkcja ecdf() w R liczy wariant „niższe lub równe”.

Przykład: od wyniku surowego do rangi centylowej

Grupa odniesienia to 250 studentów, którzy wypełnili kwestionariusz lęku przed egzaminem (10–40 pkt; dane symulowane). Średnia wynosi M = 19.82 pkt, SD = 5.37, mediana 19 pkt, a rozkład jest prawostronnie skośny (skośność 0.76). Tabela pokazuje rangi centylowe pięciu wyników surowych według trzech definicji oraz rangę, jaką dałoby założenie rozkładu normalnego.

Rangi centylowe wybranych wyników surowych według trzech definicji i według rozkładu normalnego
Wynik surowyWyników niższych (B)Wyników równych (E)PR poniżejPR punkt środkowyPR niższe lub równePR z rozkładu normalnego
15332313.217.822.418.5
201401556.059.062.051.3
25206782.483.885.283.3
30237494.895.696.497.1
35246398.499.099.699.8

Przy wyniku 15 pkt, który uzyskały 23 osoby, definicje dają rangi od 13.2 do 22.4 – różnica przekracza 9 punktów. Gdy remisów jest mało (35 pkt), różnice maleją do ułamka punktu. Kolumna „z rozkładu normalnego” to 100 × Φ((x − M) / SD), czyli ranga wyliczona z wyniku z. Przy skośnym rozkładzie myli się ona w środku skali (51.3 zamiast 59.0 dla 20 pkt) i w ogonie (97.1 zamiast 95.6 dla 30 pkt).

Po lewej rozkład wyników lęku 250 studentów z percentylami P10 = 13.9, P25 = 16, P50 = 19, P75 = 23 i P90 = 28. Po prawej krzywa rang centylowych: wzrost wyniku z 20 do 25 pkt podnosi rangę z 59.0 do 83.8, a wzrost z 30 do 35 pkt – tylko z 95.6 do 99.0
Rysunek 1. Po lewej: rozkład wyników lęku przed egzaminem w grupie odniesienia (N = 250) i percentyle obliczone domyślną metodą R (typ 7). Po prawej: ranga centylowa każdego możliwego wyniku (metoda punktu środkowego); kropkowane linie pokazują dwie różnice po 5 pkt. Obliczenia: R (dane symulowane).

Rysunek 1 pokazuje najważniejszą cechę rang centylowych: nie mają równych odstępów. Wzrost wyniku z 20 do 25 pkt, w środku rozkładu, podnosi rangę o 24.8 punktu (z 59.0 do 83.8), a taki sam wzrost z 30 do 35 pkt, w ogonie – tylko o 3.4 punktu (z 95.6 do 99.0). Ranga centylowa mówi więc, jak częsty jest wynik, ale nie nadaje się do liczenia średnich ani różnic. Pod tym względem przypomina rangi, z których powstaje.

Percentyle w normach testowych

Rangi centylowe to jedna z najczęstszych form norm. Crawford i Garthwaite (2009) przekonują, że są dla diagnosty szczególnie użyteczne, bo bezpośrednio mówią, jak częsty lub rzadki jest dany wynik w populacji normatywnej. Zalecają, by obok wyników standaryzowanych rutynowo zapisywać rangę centylową każdego wyniku testu, a granice przedziałów ufności wyrażać także w rangach centylowych. Crawford i in. (2009) przypominają z kolei, że rangi wyznaczone z próby normalizacyjnej są obarczone niepewnością, i proponują standardy raportowania norm centylowych z przedziałami dla rang.

Standardy AERA, APA i NCME wymagają, by normy odnosiły się do jasno opisanej populacji, a raport z normalizacji podawał m.in. sposób doboru próby, datę badania i precyzję norm (American Educational Research Association i in., 2014). Jak z rang centylowych powstają wyniki znormalizowane, wyniki T i steny, pokazujemy w haśle normy testowe. Do obliczeń – średnich, korelacji, porównań grup – używaj wyników surowych albo wyników standaryzowanych, a nie rang centylowych.

Jak opisać percentyle w pracy (APA)

Przy rangach centylowych zawsze podaj grupę odniesienia, jej liczebność i definicję rangi. Przy opisie rozkładu skośnego percentyle dobrze uzupełniają medianę. Przykładowe opisy dla danych z tego hasła:

Rozkład lęku przed egzaminem był prawostronnie skośny (skośność = 0.76), dlatego opisano go percentylami: Mdn = 19 pkt, P10 = 13.9 pkt, P90 = 28 pkt (N = 250; kwantyle obliczone w R, typ 7). Wynik osoby badanej (25 pkt) odpowiadał randze centylowej 83.8 w tej grupie (metoda punktu środkowego), co oznacza, że około 84% studentów uzyskało niższy wynik.

Jeśli korzystasz z norm z podręcznika testu, podaj, z której tabeli norm korzystasz i z którego roku pochodzą (gdzie szukać podręczników i polskich norm, piszemy w poradniku Gdzie znaleźć kwestionariusze psychologiczne). Więcej o tworzeniu i opisie norm w pracy walidacyjnej przeczytasz w poradniku jak zbudować i zwalidować skalę psychometryczną.

Przykład reprodukowalny

Przykład w R

Funkcja quantile() zamienia procent na wynik (percentyl), a funkcja ranga() – wynik na procent (rangę centylową) według trzech definicji. W SPSS percentyle wybierzesz w Analyze → Descriptive Statistics → Frequencies → Statistics (pole Percentile(s)), a rangi centylowe zapiszesz jako nową zmienną w Transform → Rank Cases (Rank Types: Fractional rank as %). Przy ustawieniu Ties: High otrzymasz wariant „niższe lub równe”.

Percentyle i rangi centylowe

Dane wejściowe: wyniki 250 studentów w kwestionariuszu lęku przed egzaminem (dane symulowane, set.seed(51)).

Co odczytać: percentyle P10–P90, różnicę P10 według typów 7 i 6 oraz rangi centylowe wyników 15–35 pkt według trzech definicji i według rozkładu normalnego.

R
set.seed(51)
lek <- round(10 + 30 * rbeta(250, 2, 4))          # lęk przed egzaminem (10–40 pkt), 250 studentów
round(c(M = mean(lek), SD = sd(lek), Mdn = median(lek)), 2)
quantile(lek, c(.10, .25, .50, .75, .90))          # percentyle: od procentu do wyniku (typ 7)
quantile(lek, .10, type = 6)                        # P10 metodą stosowaną w SPSS (typ 6)

# ranga centylowa: od wyniku do procentu – trzy definicje i wersja „z rozkładu normalnego”
ranga <- function(x, ref) {
  B <- sum(ref < x); E <- sum(ref == x); n <- length(ref)
  c(wynik = x, ponizej = B, rowne = E,
    PR_ponizej  = 100 * B / n,                      # odsetek wyników niższych
    PR_srodek   = 100 * (B + E / 2) / n,            # metoda punktu środkowego
    PR_do       = 100 * (B + E) / n,                # odsetek wyników niższych lub równych
    PR_normalny = 100 * pnorm((x - mean(ref)) / sd(ref)))
}
round(t(sapply(c(15, 20, 25, 30, 35), ranga, ref = lek)), 1)
100 * ecdf(lek)(25)                                 # ecdf() liczy wariant „niższe lub równe”
Wynik w R
    M    SD   Mdn
19.82  5.37 19.00
 10%  25%  50%  75%  90%
13.9 16.0 19.0 23.0 28.0
 10%
13.1
     wynik ponizej rowne PR_ponizej PR_srodek PR_do PR_normalny
[1,]    15      33    23       13.2      17.8  22.4        18.5
[2,]    20     140    15       56.0      59.0  62.0        51.3
[3,]    25     206     7       82.4      83.8  85.2        83.3
[4,]    30     237     4       94.8      95.6  96.4        97.1
[5,]    35     246     3       98.4      99.0  99.6        99.8
[1] 85.2

Bibliografia oprogramowania

Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (funkcje pakietów bazowych; skośność – pakiet psych); rysunek przygotowano w pakietach ggplot2 i patchwork. W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. psych (wersja 2.6.5): Revelle, W. (2026). psych: Procedures for psychological, psychometric, and personality research [R package]. Northwestern University. https://CRAN.R-project.org/package=psych
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  4. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze błędy

  • Mylenie percentyla z rangą centylową. P90 to wynik (28 pkt), a ranga centylowa to procent (83.8 dla wyniku 25 pkt).
  • Mylenie rangi centylowej z odsetkiem poprawnych odpowiedzi. Ranga 84 oznacza, że około 84% grupy odniesienia ma niższy wynik, a nie że osoba rozwiązała 84% zadań.
  • Uśrednianie rang centylowych i odejmowanie ich od siebie. Odstępy są nierówne – 5 pkt w środku skali to 24.8 punktu rangi, a w ogonie 3.4.
  • Brak informacji o definicji. Przy wielu remisach definicje dają wyraźnie różne rangi (Crawford i in., 2009) – w przykładzie różnica przekroczyła 9 punktów.
  • Ranga z rozkładu normalnego dla skośnych danych. Wynik z przeliczony przez tablice rozkładu normalnego zniekształca pozycję osoby; licz rangę empirycznie.
  • Brak opisu grupy odniesienia. Ta sama ranga centylowa znaczy co innego w grupie studentów i w populacji ogólnej.

Najczęstsze pytania

Co to jest percentyl?

To wartość, poniżej której leży określony odsetek uporządkowanych wyników. Dziesiąty percentyl oddziela 10% najniższych wyników, pięćdziesiąty to mediana, a dziewięćdziesiąty oddziela 10% najwyższych. W przykładzie z hasła P90 lęku przed egzaminem wynosi 28 pkt, czyli 10% studentów ma wynik wyższy.

Czym różni się percentyl od rangi centylowej?

Percentyl prowadzi od procentu do wyniku („jaki wynik oddziela 90% grupy?”), a ranga centylowa – od wyniku do procentu („jaki odsetek grupy ma wynik niższy niż 25 pkt?”). Percentyl wyraża się w jednostkach testu, a rangę centylową w procentach.

Jak obliczyć rangę centylową?

Policz osoby z wynikiem niższym (B) i równym (E) w grupie odniesienia o liczebności N. Metoda punktu środkowego daje PR = 100 × (B + 0.5E) / N; dla wyniku 25 pkt w grupie 250 osób to 100 × (206 + 3.5) / 250 = 83.8. Inne definicje liczą tylko wyniki niższe albo niższe i równe.

Jak obliczyć percentyl w R i SPSS?

W R: quantile(x, 0.90) (domyślnie typ 7), a metodą SPSS – quantile(x, 0.90, type = 6). W SPSS percentyle wybierzesz w oknie Frequencies → Statistics. Różnice między metodami są największe w małych próbach i w ogonach – wyjaśniamy je w haśle kwartyle.

Co oznacza ranga centylowa w normach testu?

Mówi, jaki odsetek osób z grupy normalizacyjnej uzyskał niższy wynik. Ranga 84 oznacza, że około 84% grupy odniesienia ma wynik niższy – a nie, że osoba rozwiązała 84% zadań. Rangi nie mają równych odstępów, dlatego do obliczeń używa się wyników surowych albo standaryzowanych (zob. normy testowe).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. American Educational Research Association, American Psychological Association, & National Council on Measurement in Education. (2014). Standards for educational and psychological testing. https://www.testingstandards.net/open-access-files.html ● Otwarty dostęp
  2. Crawford, J. R., & Garthwaite, P. H. (2009). Percentiles please: The case for expressing neuropsychological test scores and accompanying confidence limits as percentile ranks. The Clinical Neuropsychologist, 23(2), 193–204. https://doi.org/10.1080/13854040801968450
  3. Crawford, J. R., Garthwaite, P. H., & Slick, D. J. (2009). On percentile norms in neuropsychology: Proposed reporting standards and methods for quantifying the uncertainty over the percentile ranks of test scores. The Clinical Neuropsychologist, 23(7), 1173–1195. https://doi.org/10.1080/13854040902795018
  4. Hyndman, R. J., & Fan, Y. (1996). Sample quantiles in statistical packages. The American Statistician, 50(4), 361–365. https://doi.org/10.1080/00031305.1996.10473566

Cytowania BibTeX

@book{aera2014standards, author={{American Educational Research Association} and {American Psychological Association} and {National Council on Measurement in Education}}, title={{Standards for educational and psychological testing}}, year={2014}, publisher={American Educational Research Association}, url={https://www.testingstandards.net/open-access-files.html}}
@article{crawford2009percentiles, author={Crawford, John R. and Garthwaite, Paul H.}, title={{Percentiles please: The case for expressing neuropsychological test scores and accompanying confidence limits as percentile ranks}}, journal={The Clinical Neuropsychologist}, year={2009}, volume={23}, number={2}, pages={193--204}, doi={10.1080/13854040801968450}}
@article{crawford2009percentile, author={Crawford, John R. and Garthwaite, Paul H. and Slick, Daniel J.}, title={{On percentile norms in neuropsychology: Proposed reporting standards and methods for quantifying the uncertainty over the percentile ranks of test scores}}, journal={The Clinical Neuropsychologist}, year={2009}, volume={23}, number={7}, pages={1173--1195}, doi={10.1080/13854040902795018}}
@article{hyndman1996sample, author={Hyndman, Rob J. and Fan, Yanan}, title={{Sample quantiles in statistical packages}}, journal={The American Statistician}, year={1996}, volume={50}, number={4}, pages={361--365}, doi={10.1080/00031305.1996.10473566}}
R