.png){kind=icon}
返回
Visualizing Kendall's τ and Hidden Structures in Ranked Data
.png){kind=icon}
PRE
AI
DOI：10.1080/00031305.2025.2564268.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
排序数据在医学、生物学、心理学和经济学等多个研究领域中普遍使用。用于分析排序数据的一个常用统计量是Kendall's tau系数，这是一种非参数的秩相关度量，描述了两个单调连续或有序变量之间关联的强度。尽管计算Kendall's tau所涉及的数学方法已得到充分确立，但可用于可视化结果的绘图方法相对较少。在此，我们描述了几种替代性和互补性的可视化方法，并提供了一个用于绘制Kendall's tau的交互式应用程序。由此产生的图形提供了秩相关的可视化，有助于显示一致对和不一致对的比例。此外，这些方法突出了其他关键数据特征，这些特征仅凭Kendall's tau本身无法体现，但可能具有意义，例如更长的单调链以及离散观测值对之间的关系。我们通过几个示例展示了这些方法的有效性，并将其结果与其他可视化方法进行了比较。
Keyword:
Exploratory data analysis
Graphical methods
Rank correlation
期刊
A
IF:
2.1
论文数:
61
被引数:
0
机构
引用论文
Machine learning with monotonic constraint for geotechnical engineering applications: an example of slope stability prediction具有单调约束的机器学习在岩土工程中的应用: 边坡稳定性预测的示例.png)
ACTA GEOTECHNICA
ACTA GEOTECHNICAIF5.7
PREAI
分享收藏Olfactory sensitivity differentiates morphologically distinct worker castes in Camponotus floridanusBMC Biology
OAAI
BMC BiologyIF0
OAAI分享收藏A ‘Leaky Bucket’ in the Real World: Estimating Inequality Aversion using Survey DataEconomica
OAAI
EconomicaIF0
OAAI分享收藏
查看更多内容