「ピアソン、スピアマン、ケンドール相関係数の計算、手計算法」
Calculation of Pearson, Spearman, and Kendall correlation coefficients, manual methods
2つの変数間の関係を評価するために、ピアソン、スピアマン、ケンドール相関係数を手計算で計算する方法を学ぶ
はじめに
統計学では、2つの変数間の関係を評価するために相関が使用されます。
以前の投稿では、Rで相関を計算し、相関テストを実行する方法を紹介しました。この投稿では、ピアソン、スピアマン、ケンドール相関係数を手計算で2つの異なるシナリオ（結びつきのある場合とない場合）で計算する方法を説明します。
データ
結びつきのある方法とない方法を示すために、2つの異なるデータセットを考えます。
結びつきのある場合
結びつきのあるシナリオの説明のために、次のサンプル（サイズ5）を考えます：
- 「AIチップスタートアップのd-Matrixが投資家から1億1000万ドルを調達」
- 「ナレ・ヴァンダニャン、Ntropyの共同創設者兼CEO- インタビューシリーズ」
- JavaScriptの配列を繰り返す方法
変数xには同じ観測値が2つあるため、結びつきがあることがわかります。
結びつきのない場合
結びつきのないシナリオには、次のサンプル（サイズ3）を考えます：
手計算による相関係数
最も一般的な3つの相関方法は以下の通りです：
- ピアソン：線形関係がある2つの量的連続変数に使用されます
- スピアマン：部分的に線形な関係がある2つの量的変数に使用されるか、または1つの質的順序変数と1つの量的変数に使用されます
- ケンドール：2つの質的順序変数によく使用されます
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
- 「アルテアナのアートスクワッド」が結成されるーインディーショーランナーのラフィ・ニザムが予算内で高品質な子供向け番組を制作する
- 「AI Time JournalがeBook「2023年の顧客サービスとサポートにおけるAIのトレンド」を発表 – アシスタンスの進化に関する先駆的なインサイト」
- 「Ntropyの共同創設者兼CEO、ナレ・ヴァルダニアンについて – インタビューシリーズ」
- 「AIが生成したドレイクの曲がグラミー賞に応募される：音楽とAIにとって画期的な瞬間」
- 「生成AIを通じて脆弱性を明らかにする」
- 「Python制御フローチートシート」
- 『BERTをゼロからトレーニングする究極のガイド：トークナイザー』
