是的。

• 75% 的数据低于第 75 个百分位。
• 25% 的数据低于第 25 个百分位。
• 因此，50% (=75%-25%) 的数据介于两者之间，即介于第 25 和第 75 个百分位数之间。
• 完全类似，98% 的数据位于第 1 和第 99 个百分位数之间。
• 数据的下半部分，同样是 50%，低于第 50 个百分位。

这些数字可能并不完全正确，尤其是在您的数据数量较少的情况下。另请注意，关于如何实际计算分位数和百分位数有不同的约定。

理想情况下，是的。

百分位数通常根据正态分布进行解释（因为在计算任何类型的基本统计测量时，正态性通常是一个潜在的，有时是未说明的假设）。然而，分布不必是正常的。

根据这个网站...

标准正态分布也可用于计算百分位数。例如，中位数是第 50 个百分位数，第一个四分位数是第 25 个百分位数，第三个四分位数是第 75 个百分位数。在某些情况下，可能需要计算其他百分位数，例如第 5 或第 95。下面的公式用于计算正态分布的百分位数：$X = \mu + Z \sigma$

因此，如果我们假设正态性，我们可以轻松计算我们正在寻找的任何百分位数。然而，百分位数不需要分布假设，并且与计算它们的数据有关。这意味着百分位数可以为正态分布和非正态分布提供有意义的基准。当然，您也可以在概率解释中使用百分位数，这当然基于您当前拥有的测量值，这可能是真实基础分布的好坏指标。

根据这个网站...

直接解释：考虑第10（$P_{10}$) 和第 90 ($P_{90}$) 百分位数：“鉴于现有数据，我们知道土壤性质$p < P_{10}$10% 的时间，并且，$p < P_{90}$90% 的时间”。同样的陈述可以使用概率或比例来构建：“鉴于可用数据，土壤性质$p$在 {$P_{10} − P_{90}$80% 的时间”。