如果一個統計分佈是離散的，那麼隨機變量的值只能是整數－當計算分位點時， 這給我們留下了一個問題－我們或者忽略分佈的離散性並返回一個浮點數， 或者我們可以將結果捨入為一個整數。就像實際發生的那樣， 計算整數值要比計算浮點值要快很多，所以，返回整數值有明顯的優點， 但是我們需要確定如何對結果進行捨入。discrete_quantile 策略定義了分位點函數如何工作，以及結果如何進行捨入。

enum discrete_quantile_policy_type { real, integer_round_outwards, // 缺省

integer_round_inwards, integer_round_down, integer_round_up, integer_round_nearest }; template <discrete_quantile_policy_type> struct discrete_quantile;

discrete_quantile 可以接收的值具有以下含義：

real

忽略分佈的離散性並返回浮點結果。例如：

#include <boost/math/distributions/negative_binomial.hpp>

using namespace boost::math;
using namespace boost::math::policies;

typedef negative_binomial_distribution<
      double, 
      policy<discrete_quantile<integer_round_inwards> > 
   > dist_type;
   
// 下分位點:
double x = quantile(dist_type(20, 0.3), 0.05);
// 上分位點:
double y = quantile(complement(dist_type(20, 0.3), 0.05));

結果為x = 27.3898 且 y = 68.1584.

integer_round_outwards

這是缺省的策略：返回一個整數值使得：

這通常是最安全的捨入策略，因為它保證單側(one-sided)或雙側區間(two-sided)至少包含要求的覆蓋範圍。例如：

#include <boost/math/distributions/negative_binomial.hpp>

using namespace boost::math;

// 下分位點向下捨入:
double x = quantile(negative_binomial(20, 0.3), 0.05);
// 上分位點向上捨入:
double y = quantile(complement(negative_binomial(20, 0.3), 0.05));

結果為x = 27 ( 27.3898向下捨入) 且 y = 69 (68.1584向上捨入)。

隨機變量x和y定義為滿足：

cdf(negative_binomial(20), x) <= 0.05
cdf(negative_binomial(20), y) >= 0.95

換句話說，我們可以保證在中間區域至少有90%的覆蓋，並且在每個尾部範圍內的覆蓋不超過5%。

integer_round_inwards

這是integer_round_outwards對立面： 返回一個整數值，使得滿足：

例如：

#include <boost/math/distributions/negative_binomial.hpp>

using namespace boost::math;
using namespace boost::math::policies;

typedef negative_binomial_distribution<
      double, 
      policy<discrete_quantile<integer_round_inwards> > 
   > dist_type;
   
// 下分位點向上捨入:
double x = quantile(dist_type(20, 0.3), 0.05);
// 上分位點向下捨入:
double y = quantile(complement(dist_type(20, 0.3), 0.05));

結果為x = 28 ( 27.3898向上捨入) 且 y = 68 (68.1584向下捨入)。

隨機變量x和y定義為滿足：

cdf(negative_binomial(20), x) >= 0.05
cdf(negative_binomial(20), y) <= 0.95

換句話說，我們可以保證在中間區域不超過有90%的覆蓋，並且在每個尾部範圍內的覆蓋不少於5%。

integer_round_down

不管是上分位點還是下分位點，永遠向下捨入為一個整數。

integer_round_up

不管是上分位點還是下分位點，永遠向上捨入為一個整數。

integer_round_nearest

永遠將結果捨入為最接近的的整數值，不管是上分位點還是下分位點。這會在平均情況下產生要求的覆蓋範圍，但對於特殊的例子可能導致明顯的或多或少的與要求的差別。例如：

#include <boost/math/distributions/negative_binomial.hpp>

using namespace boost::math;
using namespace boost::math::policies;

typedef negative_binomial_distribution<
      double, 
      policy<discrete_quantile<integer_round_nearest> > 
   > dist_type;
   
// 下分位點向上捨入:
double x = quantile(dist_type(20, 0.3), 0.05);
// 上分位點向下捨入:
double y = quantile(complement(dist_type(20, 0.3), 0.05));

結果為x = 27 (由27.3898捨入) 而 y = 68 (由 68.1584捨入)。