ในทางสถิติการจัดอันดับคือการแปลงข้อมูลโดยแทนที่ ค่า ตัวเลขหรือ ค่า ลำดับด้วยอันดับเมื่อข้อมูลถูกจัดเรียง

ตัวอย่างเช่น ลำดับของข้อมูลตัวเลข 3.4, 5.1, 2.6, 7.3 คือ 2, 3, 1, 4

ตัวอย่างเช่น ข้อมูลเชิงลำดับ ร้อน เย็น อุ่น จะถูกแทนที่ด้วย 3, 1, 2 ในตัวอย่างเหล่านี้ ลำดับจะถูกกำหนดให้กับค่าต่างๆ ตามลำดับจากน้อยไปมาก แม้ว่าจะสามารถใช้ลำดับจากมากไปน้อยได้เช่นกัน

อันดับต่างๆ เกี่ยวข้องกับรายการดัชนีของสถิติ เรียงลำดับ ซึ่งประกอบด้วยชุดข้อมูลดั้งเดิมที่จัดเรียงใหม่ตามลำดับจากน้อยไปมาก

การทดสอบทางสถิติบางประเภทใช้การคำนวณโดยอิงตามลำดับ ตัวอย่างเช่น:

• การทดสอบฟรีดแมน
• การทดสอบครัสกัล-วอลลิส
• ผลิตภัณฑ์จัดอันดับ
• สัมประสิทธิ์สหสัมพันธ์ลำดับของสเปียร์แมน
• การทดสอบ Mann–Whitney U
• การทดสอบ Wilcoxon signed-rank
• การทดสอบของแวน เดอร์ แวร์เดน

การกระจายตัวของค่าต่างๆ ตามลำดับจากมากไปน้อยมักเป็นที่น่าสนใจเมื่อค่าต่างๆ มีช่วงขนาดที่แตกต่างกันมาก ตัวอย่างเช่นการกระจายตัวตามลำดับขนาด (หรือการกระจายตัวตามลำดับความถี่) สำหรับขนาดของเมืองหรือความถี่ของคำ ซึ่งมักเป็นไปตามกฎ กำลัง

บางอันดับอาจมีค่าที่ไม่ใช่จำนวนเต็มสำหรับค่าข้อมูลที่ซ้ำกัน ตัวอย่างเช่น เมื่อมีค่าข้อมูลเดียวกันเป็นจำนวนคู่อันดับทางสถิติที่เป็นเศษส่วนของข้อมูลที่ซ้ำกันจะลงท้ายด้วย ½ อันดับเปอร์เซ็นไทล์เป็นอีกประเภทหนึ่งของการจัดอันดับทางสถิติ

Microsoft Excelมีฟังก์ชันการจัดอันดับสองฟังก์ชัน ได้แก่ ฟังก์ชัน Rank.EQซึ่งกำหนดอันดับการแข่งขันในกรณีที่มีค่าเท่ากัน และ ฟังก์ชัน Rank.AVGซึ่งกำหนดอันดับแบบเศษส่วนในกรณีที่มีค่าเท่ากัน ตัวอย่างเช่น หากข้อมูลที่กำลังจัดอันดับคือ ("5, 7, 7, 10") ฟังก์ชันRank.EQจะส่งคืนค่า ("1, 2, 2, 4") ในขณะที่ฟังก์ชัน Rank.AVGจะส่งคืนค่า ("1, 2.5, 2.5, 4") โปรดทราบว่าRank.AVGจะรักษาผลรวมของอันดับในกรณีที่มีค่าเท่ากัน ในขณะที่Rank.EQจะไม่ทำเช่นนั้น ทำให้ฟังก์ชันหลังไม่เหมาะสมสำหรับการใช้งานทางสถิติหลายอย่าง ฟังก์ชันเหล่านี้มีอาร์กิวเมนต์ลำดับ^{[ 1 ]}ซึ่งโดยค่าเริ่มต้นจะตั้งค่าเป็นจากมากไปน้อยกล่าวคือ ตัวเลขที่มากที่สุดจะมีอันดับ 1 ซึ่งโดยทั่วไปแล้วจะไม่นิยมใช้ในสถิติที่การจัดอันดับมักจะอยู่ในลำดับจากน้อยไปมาก ซึ่งตัวเลขที่น้อยที่สุดจะมีอันดับ 1

การหาค่าสัมประสิทธิ์ สหสัมพันธ์ลำดับสามารถใช้เปรียบเทียบการจัดอันดับสองรายการสำหรับชุดวัตถุเดียวกันได้ ตัวอย่างเช่นค่าสัมประสิทธิ์สหสัมพันธ์ลำดับของสเปียร์แมนมีประโยชน์ในการวัดความสัมพันธ์ทางสถิติระหว่างการจัดอันดับของนักกีฬาในการแข่งขันสองรายการ และค่าสัมประสิทธิ์สหสัมพันธ์ลำดับของเคนดัลเป็นอีกแนวทางหนึ่ง หรืออีกทางหนึ่ง แนวทางที่อิงตามการตัดกัน/การทับซ้อนจะให้ความยืดหยุ่นเพิ่มเติม ตัวอย่างหนึ่งคือแนวทาง "การทับซ้อนแบบไฮเปอร์จีโอเมตริกอันดับ-อันดับ" ^{[ 2 ]}ซึ่งออกแบบมาเพื่อเปรียบเทียบการจัดอันดับของยีนที่อยู่ "ด้านบน" ของรายการยีนที่แสดงออกแตกต่างกันสองรายการที่เรียงลำดับ แนวทางที่คล้ายกันนี้ใช้โดย "การทับซ้อนแบบลำเอียงอันดับ (RBO)" ^{[ 3 ]}ซึ่งยังใช้ความน่าจะเป็นที่ปรับได้ p เพื่อปรับแต่งน้ำหนักที่กำหนดที่ระดับความลึกของการจัดอันดับที่ต้องการ แนวทางเหล่านี้มีข้อดีคือสามารถจัดการกับเซตที่ไม่ซ้ำกันเซตที่มีขนาดแตกต่างกัน และการถ่วงน้ำหนักสูงสุด (โดยคำนึงถึงตำแหน่งการจัดอันดับสัมบูรณ์ ซึ่งอาจถูกละเลยในวิธีการหาความสัมพันธ์อันดับแบบไม่ถ่วงน้ำหนักมาตรฐาน)

ให้เป็นเซตของตัวแปรสุ่ม โดยการเรียงลำดับตัวแปรเหล่านี้ เราได้กำหนดสถิติลำดับของตัวแปร เหล่านั้น ^{[ 4 ]}${\displaystyle X_{1},..X_{n}}$

${\displaystyle X_{n,(1)}\leq ...\leq X_{n,(n)}}$

ถ้าค่าทั้งหมดไม่ซ้ำกัน อันดับของตัวแปรหมายเลขจะเป็นคำตอบเดียวของสมการในกรณีที่มีค่าเท่ากัน เราอาจใช้ค่ากลาง (ซึ่งสอดคล้องกับ "อันดับเศษส่วน" ที่กล่าวถึงข้างต้น) ซึ่งกำหนดเป็นค่าเฉลี่ยของดัชนีทั้งหมดที่ทำให้หรืออันดับขึ้น (ซึ่งสอดคล้องกับ"การจัดอันดับการแข่งขันที่ปรับปรุงแล้ว" ) ซึ่งกำหนดโดย ${\displaystyle i}$${\displaystyle R_{n,i}}$${\displaystyle X_{i}=X_{N,(R_{n,i})}}$${\displaystyle i}$${\displaystyle X_{j}=X_{N,(R_{n,j})}}$${\displaystyle \sum _{j=1}^{n}1\{X_{j}\leq X_{i}\}}$