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
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:
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:
swiss w R.Gdzie spotkasz Kendalla w swojej pracy
- Korelacja dwóch zmiennych porządkowych albo ilościowych z wieloma remisami lub w małej próbie: tau Kendalla (przy remisach tau-b). Nie porównuj go z progami dla r – tau jest liczbowo mniejsze od rho przy tej samej zależności. Gdy wahasz się między miarami, zajrzyj do wpisu Korelacja Pearsona i Spearmana krok po kroku.
- Zgodność kilku sędziów lub ekspertów układających te same obiekty: W Kendalla, którego test chi-kwadrat to statystyka testu Friedmana.
- Trend w szeregu czasowym: test Manna–Kendalla to tau między wartościami a czasem.
- Dane na skali porządkowej – tu przydaje się wszystko, co opiera się na rangach. Rangowe testy różnic dla dwóch grup i par pochodzą od Franka Wilcoxona, a starszą korelację rang – od Charlesa Spearmana.
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).
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
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
p2Wynik 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] 18Bibliografia 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()).
- 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/
- 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 studentówBibliografia i dalsza literatura naukowa (APA 7)
- 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
- 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
- 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
- Kendall, M. G. (1948). Rank correlation methods. Charles Griffin.
- 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
- 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}}