Słownik metodologiczny · Ludzie statystyki

Maurice G. Kendall (1907–1983) – kim był i co wniósł do statystyki

Maurice Kendall dał statystyce współczynnik tau, współczynnik zgodności W i podręcznik The Advanced Theory of Statistics, a pod koniec życia kierował World Fertility Survey. Opisujemy jego drogę, liczymy tau na szwajcarskich danych o płodności z 1888 r. i pokazujemy pary niezgodne jako skrzyżowania linii.

Strona główna / Słownik / Maurice G. Kendall
W skrócie: Maurice G. Kendall (1907–1983) był angielskim statystykiem: w 1938 r. zaproponował korelację rang tau, w 1939 r. z B. Babingtonem Smithem współczynnik zgodności W, napisał podręcznik The Advanced Theory of Statistics, a w latach 1972–1980 kierował World Fertility Survey. Tau to różnica liczby par zgodnych i niezgodnych podzielona przez liczbę par.

Kim był Maurice Kendall?

Sir Maurice George Kendall (1907–1983) był angielskim statystykiem, autorem współczynnika tau, współautorem współczynnika zgodności W i jednego z najważniejszych podręczników statystyki matematycznej XX wieku. Urodził się 6 września 1907 r. w Kettering. Dzięki stypendium studiował matematykę w St John’s College w Cambridge (Stuart, 2004).

Nie był typowym profesorem. Od 1930 r. zajmował się statystyką w brytyjskim Ministerstwie Rolnictwa, a w 1941 r. został statystykiem British Chamber of Shipping, organizacji armatorów. W 1949 r. objął katedrę statystyki Uniwersytetu Londyńskiego w London School of Economics. W 1961 r. przeszedł do firmy doradztwa komputerowego SCICON, którą kierował do 1972 r. Potem, do 1980 r., był pierwszym dyrektorem World Fertility Survey – wielonarodowego badania sondażowego płodności. Był prezesem Royal Statistical Society (1960–1962), otrzymał jej złoty Medal Guya (1968), a w 1974 r. szlachectwo za zasługi dla teorii statystyki. Zmarł 29 marca 1983 r. w Redhill w hrabstwie Surrey (Stuart, 2004).

Najważniejsze pomysły

  • Tau (1938). W „Biometrice” Kendall (1938) zaproponował nową miarę korelacji rang, opartą na porównaniu wszystkich par obserwacji: para jest zgodna, gdy obie zmienne rosną razem, i niezgodna, gdy w przeciwnych kierunkach. Tau to różnica liczby par zgodnych i niezgodnych podzielona przez liczbę wszystkich par.
  • W (1939). Z Bernardem Babingtonem Smithem opisał problem m rankingów – jak ocenić, czy kilku sędziów podobnie porządkuje te same obiekty (Kendall i Babington Smith, 1939). Tak powstał współczynnik zgodności W.
  • Rangi wiązane i monografia. W 1945 r. pokazał, jak traktować remisy w rangowaniu – nadając im rangi średnie (Kendall, 1945). Całość zebrał w książce Rank correlation methods (Kendall, 1948).
  • Podręcznik. The Advanced Theory of Statistics ukazało się w dwóch tomach w latach 1943–1946, a w wersji trzytomowej w latach 1958–1966. Później książka zyskała tytuł Kendall’s Advanced Theory of Statistics (Stuart, 2004).
  • Porządkowanie dziedziny. Kendall wydał słownik terminów statystycznych (1957) i bibliografię literatury statystycznej (1962–1968), pisał też o szeregach czasowych i historii statystyki (David i Fuller, 2007; Stuart, 2004).

Przykład na historycznych danych

Zbiór swiss z pakietu datasets zawiera standaryzowany wskaźnik płodności (Ig) i wskaźniki społeczno-ekonomiczne dla 47 francuskojęzycznych prowincji Szwajcarii około 1888 r. Według pliku pomocy dane pochodzą z książki Mostellera i Tukeya z 1977 r. Bierzemy 12 pierwszych prowincji w kolejności zbioru i pytamy: czy prowincje z większym odsetkiem katolików mają wyższą płodność? To pytanie o porządek, a nie o liniowość – w sam raz dla tau.

12 prowincji tworzy 66 par. W 48 parach prowincja z wyższym odsetkiem katolików ma też wyższą płodność (pary zgodne), w 18 – niższą (pary niezgodne). Stąd tau = (48 − 18) / 66 = .455, p = .045 (dokładne, bo nie ma rang wiązanych). Dla tych samych danych rho Spearmana wynosi .643, a r Pearsona .613. Tau ma prostą interpretację: losowo wybrana para prowincji jest zgodna z prawdopodobieństwem 48/66 = .73, a niezgodna – .27; różnica to właśnie .455.

W pełnym zbiorze 47 prowincji, gdzie są rangi wiązane, związek jest słabszy: tau-b = .245, z = 2.43, p = .015 (rho = .414). Mały, dobrany kolejnością wierszy podzbiór przesadził więc siłę zależności – to przestroga przed wnioskami z 12 obserwacji, a nie właściwość tau. Kendall kierował później badaniem płodności na skalę światową, ale te szwajcarskie dane nie mają z nim związku.

Na rysunku

Oś czasu od 1900 do 1990 z dziesięcioma zdarzeniami: 1907 urodziny w Kettering (6 września), 1930 statystyk w Ministerstwie Rolnictwa, 1938 tau – nowa miara korelacji rang, 1939 W z B. Babingtonem Smithem, 1943 pierwszy tom The Advanced Theory of Statistics, 1948 Rank Correlation Methods, 1949 profesor statystyki w LSE, 1961 SCICON, 1972 dyrektor World Fertility Survey do 1980, 1983 śmierć w Redhill (29 marca)
Rysunek 1. Oś czasu: Maurice G. Kendall (1907–1983). Lata z cytowanych źródeł. Rysunek: R, pakiet ggplot2.

Co widać. Prace o korelacji rang i pierwszy tom podręcznika powstały w ciągu dziesięciu lat (1938–1948), gdy Kendall nie pracował na uczelni – był urzędnikiem i statystykiem armatorów. Druga połowa życia to zarządzanie: katedra, firma komputerowa i międzynarodowe badanie sondażowe.

Na co uważać. Oś pokazuje wybór zdarzeń. Nie ma na niej m.in. współautorstwa podręcznika Yule’a, prezesury Royal Statistical Society ani szlachectwa (1974), opisanych w tekście.

Podpis do pracy:

Rysunek 1. Wybrane zdarzenia z życia i pracy Maurice’a G. Kendalla (1907–1983). Uwaga. Opracowano na podstawie Stuarta (2004) i prac Kendalla z lat 1938–1948.
Dwie pionowe osie rang od 1 do 12: po lewej ranga odsetka katolików, po prawej ranga płodności, z nazwami 12 szwajcarskich prowincji przy obu końcach linii. Każdą prowincję łączy niebieska linia; 18 punktów, w których linie się krzyżują, oznaczono pomarańczowymi krzyżykami. Tytuł: 12 prowincji, 66 par: 18 skrzyżowań = 18 par niezgodnych; podtytuł: tau = (48 − 18) / 66 = 0.455
Rysunek 2. Pary niezgodne jako skrzyżowania linii: rangi odsetka katolików i płodności w 12 prowincjach Szwajcarii (ok. 1888 r., zbiór swiss). Obliczenia: R, pakiet ggplot2.

Co widać. Każda linia łączy rangę prowincji w odsetku katolików (lewa oś) z jej rangą w płodności (prawa oś). Dwie linie krzyżują się wtedy i tylko wtedy, gdy para jest niezgodna. Krzyżyków jest 18, więc tau = (66 − 2 × 18) / 66 = .455. Gdyby żadna linia się nie krzyżowała, tau wynosiłoby 1; przy wszystkich parach skrzyżowanych −1. Najwięcej skrzyżowań (6) „produkuje” Gruyere: dużo katolików, a płodność dopiero piąta od dołu.

Na co uważać. Rysunek działa tylko bez rang wiązanych – przy remisach linie zaczynają się w tym samym punkcie i trzeba liczyć tau-b. Nie pokazuje też wielkości różnic: sąsiednie rangi mają zarówno Glane i Gruyere (różnica 0.5 punktu procentowego katolików), jak i Moutier i Delemont (51 punktów).

Podpis do pracy:

Rysunek 2. Rangi odsetka katolików i wskaźnika płodności w 12 francuskojęzycznych prowincjach Szwajcarii około 1888 r. Uwaga. Krzyżyki oznaczają 18 par niezgodnych spośród 66; τ = .455, p = .045. Dane: zbiór swiss w R.

Gdzie spotkasz Kendalla w swojej pracy

Spory, mity i trudne strony

  • „Tau jest słabsze niż rho”. Tau i rho mierzą to samo – monotoniczność – na różnych skalach. Tau = .45 nie oznacza słabszej zależności niż rho = .64 z tych samych danych (u nas obie liczby opisują jeden związek).
  • Podręcznik pod jednym nazwiskiem. Kendall’s Advanced Theory of Statistics rozwijali później inni autorzy, więc cytując konkretne wydanie, podaj jego faktycznych autorów i rok.
  • Anegdota z biografii. Według biogramu Kendall pisał też dla zabawy – pod pseudonimami będącymi anagramami jego imion i nazwiska – a najbardziej znanym jego pastiszem jest „Hiawatha Designs an Experiment” (Stuart, 2004).
Przykład reprodukowalny

Tau Kendalla jako pary niezgodne w R

Kod liczy pary zgodne i niezgodne dla 12 prowincji, porównuje wynik z cor.test(), liczy tau-b dla wszystkich 47 prowincji i wyznacza punkty skrzyżowań linii, a na końcu rysuje oba rysunki. Rysunki na stronie powstały z tych samych obiektów p1 i p2 z krojem i tłem serwisu; dane, geometrie i skale są identyczne.

Pary zgodne i niezgodne, tau, rho i skrzyżowania

Dane wejściowe: data(swiss, package = "datasets") – 47 francuskojęzycznych prowincji Szwajcarii ok. 1888 r.; w przykładzie 12 pierwszych wierszy; bez losowania.

Co odczytać: C, D i tau z definicji; tau i p z cor.test(), rho, r; tau-b, z i p dla 47 prowincji; liczbę skrzyżowań (= D).

Kod R (tau i rysunki 1–2)
# Maurice G. Kendall: tau jako liczba par niezgodnych na danych o 12 prowincjach Szwajcarii (datasets::swiss, ok. 1888)
suppressPackageStartupMessages({library(ggplot2)})
kol <- c(linia = "#0072B2", przeciecie = "#D55E00", zdarzenie = "#0072B2")   # Okabe–Ito
motyw <- theme_minimal(base_size = 13) + theme(panel.grid.minor = element_blank(),
                                               plot.title = element_text(face = "bold"))
data(swiss, package = "datasets")
# 12 pierwszych prowincji w kolejności zbioru: odsetek katolików i wskaźnik płodności Ig
s <- swiss[1:12, c("Catholic", "Fertility")]
s$r_kat <- rank(s$Catholic); s$r_plod <- rank(s$Fertility)
s[order(s$r_kat), ]
# Pary zgodne (C) i niezgodne (D) – wszystkie 66 par prowincji
pary <- t(combn(nrow(s), 2))
znak <- sign(s$r_kat[pary[, 1]] - s$r_kat[pary[, 2]]) * sign(s$r_plod[pary[, 1]] - s$r_plod[pary[, 2]])
C <- sum(znak > 0); D <- sum(znak < 0)
round(c(pary = nrow(pary), C = C, D = D, tau = (C - D) / nrow(pary)), 3)
# Te same miary z cor.test(): tau Kendalla (p dokładne – brak rang wiązanych), rho Spearmana, r Pearsona
kt <- cor.test(s$Catholic, s$Fertility, method = "kendall")
round(c(tau = unname(kt$estimate), p_tau = kt$p.value,
        rho = cor(s$Catholic, s$Fertility, method = "spearman"), r = cor(s$Catholic, s$Fertility)), 3)
# Wszystkie 47 prowincji (są rangi wiązane: tau-b i przybliżenie normalne)
kt47 <- cor.test(swiss$Catholic, swiss$Fertility, method = "kendall", exact = FALSE)
round(c(tau_b = unname(kt47$estimate), z = unname(kt47$statistic), p = kt47$p.value,
        rho = cor(swiss$Catholic, swiss$Fertility, method = "spearman")), 3)
# Rysunek 2: każda para niezgodna to jedno skrzyżowanie linii
nz <- pary[znak < 0, , drop = FALSE]
a1 <- s$r_kat[nz[, 1]]; b1 <- s$r_plod[nz[, 1]]; a2 <- s$r_kat[nz[, 2]]; b2 <- s$r_plod[nz[, 2]]
xx <- (a2 - a1) / ((b1 - a1) - (b2 - a2))
krzyz <- data.frame(x = 1 + xx, y = a1 + (b1 - a1) * xx)
nrow(krzyz)
linie <- data.frame(prow = rownames(s), x = 1, xend = 2, y = s$r_kat, yend = s$r_plod)
p2 <- ggplot(linie) +
  geom_segment(aes(x = x, xend = xend, y = y, yend = yend), colour = kol[["linia"]], linewidth = 0.7) +
  geom_point(data = krzyz, aes(x, y), shape = 4, size = 2.6, stroke = 1.1, colour = kol[["przeciecie"]]) +
  geom_text(aes(x = 0.97, y = y, label = prow), hjust = 1, size = 3.5) +
  geom_text(aes(x = 2.03, y = yend, label = prow), hjust = 0, size = 3.5) +
  scale_x_continuous(breaks = c(1, 2), labels = c("ranga: % katolików", "ranga: płodność (Ig)"),
                     limits = c(0.55, 2.45)) +
  scale_y_continuous(breaks = 1:12) +
  labs(title = paste0("12 prowincji, 66 par: ", D, " skrzyżowań = ", D, " par niezgodnych"),
       subtitle = sprintf("tau = (%d − %d) / 66 = %.3f", C, D, (C - D) / 66),
       x = NULL, y = "Ranga (1 = najniższa wartość)") +
  motyw + theme(panel.grid.major.x = element_blank())
# Rysunek 1: oś czasu (lata z cytowanych źródeł)
os <- data.frame(rok = c(1907, 1930, 1938, 1939, 1943, 1948, 1949, 1961, 1972, 1983),
                 opis = c("urodziny, Kettering\n(6 IX)", "statystyk w Ministerstwie\nRolnictwa",
                          "tau – nowa miara\nkorelacji rang", "W (z B. Babington\nSmith)",
                          "The Advanced Theory\nof Statistics, t. 1", "Rank Correlation\nMethods",
                          "profesor statystyki,\nLSE", "SCICON (firma\nkomputerowa)",
                          "dyrektor World Fertility\nSurvey (do 1980)", "śmierć, Redhill\n(29 III)"),
                 poziom = c(1, -1, 1, -1.9, 1.9, -1, 1, -1, 1, -1),
                 x_et = c(1907, 1930, 1934.5, 1939, 1943, 1948, 1953.5, 1961, 1972, 1983))
p1 <- ggplot(os, aes(rok, 0)) +
  geom_hline(yintercept = 0, colour = "grey40") +
  geom_segment(aes(xend = x_et, y = 0, yend = poziom * 0.55), colour = "grey55") +
  geom_point(size = 3, shape = 21, fill = kol[["zdarzenie"]], colour = "white", stroke = 0.8) +
  geom_label(aes(x = x_et, y = poziom * 0.75, label = paste0(rok, "\n", opis)), size = 3.3,
             linewidth = 0, fill = "white", lineheight = 0.95) +
  scale_x_continuous(breaks = seq(1900, 1990, 10), limits = c(1899, 1991)) +
  scale_y_continuous(limits = c(-1.75, 1.75)) +
  labs(title = "Maurice G. Kendall (1907–1983)", x = NULL, y = NULL) +
  motyw + theme(axis.text.y = element_blank(), panel.grid.major.y = element_blank())
p1
p2
Wynik w R
             Catholic Fertility r_kat r_plod
Neuveville       5.16      76.9     1      3
Aigle            8.52      64.1     2      1
Courtelary       9.96      80.2     3      4
Moutier         33.77      85.8     4      9
Delemont        84.84      83.1     5      7
Porrentruy      90.57      76.1     6      2
Sarine          91.38      82.9     7      6
Broye           92.85      83.8     8      8
Franches-Mnt    93.40      92.5     9     12
Glane           97.16      92.4    10     11
Gruyere         97.67      82.4    11      5
Veveyse         98.61      87.1    12     10
  pary      C      D    tau 
66.000 48.000 18.000  0.455 
  tau p_tau   rho     r 
0.455 0.045 0.643 0.613 
tau_b     z     p   rho 
0.245 2.430 0.015 0.414 
[1] 18

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (korelacje – funkcje bazowe cor() i cor.test(); dane – pakiet datasets; rysunki – pakiet ggplot2). 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. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org

Najczęstsze pytania

Kim był Maurice Kendall?

Angielskim statystykiem (1907–1983), absolwentem matematyki w Cambridge, który pracował w Ministerstwie Rolnictwa, u brytyjskich armatorów, jako profesor statystyki w London School of Economics, w firmie komputerowej SCICON i jako pierwszy dyrektor World Fertility Survey. W 1974 r. otrzymał szlachectwo.

Co wymyślił Maurice Kendall?

Korelację rang tau (1938), z B. Babingtonem Smithem współczynnik zgodności W dla kilku sędziów (1939) i sposób traktowania rang wiązanych (1945). Napisał też podręcznik The Advanced Theory of Statistics oraz monografię Rank correlation methods (1948).

Co to jest „Kendall’s Advanced Theory of Statistics”?

To podręcznik statystyki matematycznej, który Kendall wydał w dwóch tomach w latach 1943–1946 i rozbudował do trzech tomów w latach 1958–1966. Kolejne wydania przygotowywali inni autorzy pod tytułem z jego nazwiskiem.

Dlaczego test Manna–Kendalla nosi nazwisko Kendalla?

Bo jego statystyka to tau Kendalla policzone między wartościami szeregu a czasem: sumuje się znaki różnic wszystkich par pomiarów. Trend rosnący oznacza przewagę par zgodnych z upływem czasu.

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. David, H. A., & Fuller, W. A. (2007). Sir Maurice Kendall (1907–1983): A centenary appreciation. The American Statistician, 61(1), 41–46. https://doi.org/10.1198/000313007x169055
  2. Kendall, M. G. (1938). A new measure of rank correlation. Biometrika, 30(1–2), 81–93. https://doi.org/10.1093/biomet/30.1-2.81
  3. Kendall, M. G. (1945). The treatment of ties in ranking problems. Biometrika, 33(3), 239–251. https://doi.org/10.1093/biomet/33.3.239
  4. Kendall, M. G. (1948). Rank correlation methods. Charles Griffin.
  5. Kendall, M. G., & Babington Smith, B. (1939). The problem of m rankings. The Annals of Mathematical Statistics, 10(3), 275–287. https://doi.org/10.1214/aoms/1177732186 ● Otwarty dostęp
  6. Stuart, A. (2004). Kendall, Sir Maurice George (1907–1983), statistician. In Oxford dictionary of national biography. Oxford University Press. https://www.oxforddnb.com/view/article/31302

Cytowania BibTeX

@article{david2007sir, author={David, Herbert A. and Fuller, Wayne A.}, title={{Sir Maurice Kendall (1907–1983): A centenary appreciation}}, journal={The American Statistician}, year={2007}, volume={61}, number={1}, pages={41--46}, doi={10.1198/000313007x169055}}
@article{kendall1938new, author={Kendall, M. G.}, title={{A new measure of rank correlation}}, journal={Biometrika}, year={1938}, volume={30}, number={1–2}, pages={81--93}, doi={10.1093/biomet/30.1-2.81}}
@article{kendall1945treatment, author={Kendall, M. G.}, title={{The treatment of ties in ranking problems}}, journal={Biometrika}, year={1945}, volume={33}, number={3}, pages={239--251}, doi={10.1093/biomet/33.3.239}}
@book{kendall1948rank, author={Kendall, Maurice G.}, title={{Rank correlation methods}}, year={1948}, publisher={Charles Griffin}}
@article{kendall1939problem, author={Kendall, M. G. and Babington Smith, B.}, title={{The problem of m rankings}}, journal={The Annals of Mathematical Statistics}, year={1939}, volume={10}, number={3}, pages={275--287}, doi={10.1214/aoms/1177732186}}
@incollection{stuart2004kendall, author={Stuart, Alan}, title={{Kendall, Sir Maurice George (1907–1983), statistician}}, booktitle={Oxford dictionary of national biography}, year={2004}, publisher={Oxford University Press}, url={https://www.oxforddnb.com/view/article/31302}}
R