Update from Sync Service

网页剪辑/juejin.cn/肯德尔系数相关性分析一文详解 python实例代码 - 掘金.md

@@ -0,0 +1,24 @@
+---
+doc_type: hypothesis-highlights
+url: 'https://juejin.cn/post/7187943854141046839'
+---
+# 肯德尔系数相关性分析一文详解+python实例代码 - 掘金
+## Metadata
+- Author: [juejin.cn]()
+
+- Title: 肯德尔系数相关性分析一文详解+python实例代码 - 掘金
+- Reference: https://juejin.cn/post/7187943854141046839
+- Category: #source/article🗞
+- Tags:
+## Highlights
+- Kendall(肯德尔)系数的定义：n个同类的统计对象按特定属性排序，其他属性通常是乱序的。同序对（concordant pairs）和异序对（discordant pairs）之差与总对数（n*(n-1)/2)的比值定义为Kendall(肯德尔)系数。
+
+- 肯德尔相关则是基于样本数据对之间的关系来进行相关系数的强弱的分析，数据对可以分为一致对(Concordant)和分歧对(Discordant)。
+
+- 变量数据是有序的（ ordinal） 或者是连续的（continuous）. 有序尺度（Ordinal scales ）的数据通常用于用数值的方式来衡量非数值的概念
+
+- 连续尺度的数据就勿需解释了，常见的温度啊、体重啊、收入啊等等都（或严格、或近似）算是连续尺度的数据。
+
+- 肯德尔系数有两个计算公式，一个称为Tau-c，另一个称为Tau-b。两者的区别是Tau-b可以处理有相同值的情况，即并列排位(tied ranks)。
+
+