Słownik metodologiczny · Ludzie statystyki

Adolphe Quetelet (1796–1874) – kim był i co wniósł do statystyki

Quetelet przeniósł rozkład normalny z astronomii na dane o ludziach, wymyślił „człowieka przeciętnego” i opisał indeks masy ciała, który dziś nazywamy BMI. Biografia z osią czasu, przykład na historycznych danych o masie ciała w R i trudne strony idei przeciętności.

Strona główna / Słownik / Adolphe Quetelet
W skrócie: Adolphe Quetelet (1796–1874) – astronom i statystyk z Brukseli, urodzony w Gandawie. W Sur l’homme (1835) przeniósł „prawo błędów” – rozkład normalny – z astronomii na dane o ludziach i wprowadził człowieka przeciętnego. Opisał indeks masy ciała W/H² (1832), nazwany w 1972 r. przez Keysa BMI, i zorganizował pierwszy Międzynarodowy Kongres Statystyczny (1853).

Kim był Adolphe Quetelet?

Adolphe Quetelet (1796–1874), właściwie Lambert Adolphe Jacques Quetelet, był astronomem, matematykiem i statystykiem, jedną z głównych postaci nauki swoich czasów, cenioną także poza ojczyzną Urodził się w Gandawie, mieście, które później znalazło się w granicach Belgii. W wieku 17 lat uczył matematyki w szkole prywatnej, a dwa lata później został wykładowcą matematyki w nowo założonym kolegium w Gandawie. Pociągała go też sztuka: terminował u malarza i publikował wiersze (Jahoda, 2015).

W 1820 r. został członkiem Królewskiej Akademii Nauk w Brukseli i przekonał ministra oświaty, że trzeba zbudować obserwatorium astronomiczne. Przygotowując się do jego budowy, w 1823 r. pojechał do Paryża, gdzie poznał m.in. Laplace’a, Fouriera i Poissona – według Jahody (2015) to oni podsunęli mu pomysły, które stały się rdzeniem jego teorii. W 1834 r. został sekretarzem stałym Akademii, a w 1836 r. profesorem astronomii w nowo utworzonej Szkole Wojskowej w Brukseli.

Najważniejsze pomysły

Fizyka społeczna i prawo błędów. W książce Sur l’homme et le développement de ses facultés, ou Essai de physique sociale (1835) Quetelet przeniósł narzędzia astronomii na dane o ludziach. Zauważył analogię: pomiary gwiazdy obarczone są błędami, a cechy ludzi – wzrost, masa ciała, liczba przestępstw – odchyleniami od wartości typowej, i jedne, i drugie podlegają temu samemu „prawu błędów”. Ich rozkład ma kształt, który dziś nazywamy rozkładem normalnym, a Quetelet uważał go za prawo uniwersalne. Na każdą cechę działa wiele przyczyn przypadkowych, więc trzeba badać duże liczby obserwacji – wtedy te przyczyny się znoszą (to intuicja bliska prawu wielkich liczb), a średnia odsłania przyczynę stałą (Jahoda, 2015).

Człowiek przeciętny (l’homme moyen). Średnie cech w danej grupie złożyły się u Queteleta w postać „człowieka przeciętnego”. Początkowo traktował ją jako fikcję rachunkową, później – jako rzeczywisty typ reprezentujący grupę (Jahoda, 2015).

Regularności społeczne. Quetelet pokazywał, że liczba przestępstw danego rodzaju powtarza się z roku na rok z dużą stałością. Wniosek, że zjawiska społeczne podlegają prawom statystycznym, wywołał szeroką dyskusję, także o determinizmie i wolnej woli (Jahoda, 2015).

Indeks masy ciała. Z przekrojowych badań wzrastania Quetelet wywnioskował, że u dorosłych – poza skokami wzrostu po urodzeniu i w okresie dojrzewania – masa ciała rośnie proporcjonalnie do kwadratu wzrostu. Stosunek masy w kilogramach do kwadratu wzrostu w metrach, opisany w 1832 r., nazywano indeksem Queteleta, aż w 1972 r. Ancel Keys nazwał go wskaźnikiem masy ciała (BMI) (Eknoyan, 2008). Keys i współpracownicy (1972) porównali kilka indeksów u 7424 zdrowych mężczyzn z 12 kohort w pięciu krajach i uznali W/H² za najlepszy z nich: słabo skorelowany ze wzrostem, nieco silniej niż W/H związany z miarami otłuszczenia i prosty w obliczeniu.

Organizacja statystyki. W 1853 r. Quetelet zorganizował pierwszy Międzynarodowy Kongres Statystyczny, który zapoczątkował prace nad jednolitym nazewnictwem przyczyn zgonów – poprzednikiem dzisiejszej Międzynarodowej Klasyfikacji Chorób (Eknoyan, 2008).

Przykład na historycznych danych

Zbiór women z pakietu datasets zawiera przeciętną masę ciała Amerykanek w wieku 30–39 lat dla 15 wartości wzrostu, od 58 do 72 cali. Według opisu w pomocy R dane pochodzą z The World Almanac and Book of Facts z 1975 r., prawdopodobnie z aktuarialnego badania Build and Blood Pressure Study; masę mierzono w zwykłym ubraniu domowym i w butach, wzrost – w butach.

Po przeliczeniu na kilogramy i metry BMI w tabeli wynosi od 22.10 do 24.03. Czy masa rośnie z kwadratem wzrostu? W skali logarytmicznej nachylenie prostej ln(masa) na ln(wzrost) to wykładnik k w zależności masa ∝ wzrostk (zob. transformacja logarytmiczna). Wyszło k = 1.63, 95% CI [1.56, 1.70]: masa rośnie tu wolniej niż kwadrat wzrostu. Dlatego BMI lekko spada z wysokością: między najniższą a najwyższą grupą o 7.46%. Dla porównania W/H rośnie o 14.88%, a W/H³ spada o 25.45%. Z trzech indeksów W/H² najmniej zmienia się ze wzrostem, choć i on nie jest od niego całkiem niezależny.

Na rysunku

Oś czasu od 1796 do 1874 z przerwą i dodatkowym punktem 1972. Zdarzenia: 1796 urodzony w Gandawie, 1820 członek Akademii w Brukseli, 1823 pobyt w Paryżu, 1832 indeks W/H², 1835 Sur l'homme, 1853 I Międzynarodowy Kongres Statystyczny, 1860 spotkanie z Florence Nightingale, 1874 zmarł; za przerwą osi trójkąt: 1972 Keys i współpracownicy nadają nazwę body mass index
Rysunek 1. Oś czasu życia i prac Adolphe’a Queteleta. Daty według Jahody (2015), Eknoyana (2008) i Keysa i in. (1972). Rysunek: R, pakiet ggplot2.

Co widać. Kluczowe prace powstały w ciągu kilkunastu lat po podróży do Paryża: indeks masy (1832) i Sur l’homme (1835). Nazwa „BMI” (trójkąt za przerwą osi) pojawiła się prawie sto lat po śmierci Queteleta.

Na co uważać. Rok 1832 to data opisu indeksu podana przez Eknoyana (2008), a nie data, od której lekarze zaczęli go używać.

Podpis do pracy:

Rysunek 1. Najważniejsze zdarzenia z życia i prac Adolphe’a Queteleta (1796–1874). Uwaga. Kółka – zdarzenia z życia Queteleta; trójkąt – nadanie nazwy body mass index przez A. Keysa i współpracowników (1972). Oś czasu przerwano między 1880 a 1970 r.
Dwa panele. A: 15 punktów ln(masy) względem ln(wzrostu) leży niemal na niebieskiej prostej o nachyleniu 1.63; szara przerywana prosta o nachyleniu 2 i kropkowana o nachyleniu 3 są bardziej strome. B: trzy indeksy w procentach swojej średniej względem wzrostu od 147 do 183 cm: W/H (pomarańczowe kółka) rośnie od około 95 do 109, W/H² (niebieskie trójkąty) spada łagodnie od około 106 do 98, W/H³ (zielone kwadraty) spada stromo od około 118 do 88
Rysunek 2. Zależność masy ciała od wzrostu w skali log–log i trzy indeksy masy względem wzrostu. Dane: datasets::women (przeciętna masa ciała Amerykanek w wieku 30–39 lat). Rysunek: R, pakiety ggplot2 i patchwork.

Co widać. Panel A: punkty leżą na prostej bardziej płaskiej niż linia „kwadratu Queteleta” (k = 2), a tym bardziej niż linia k = 3, która obowiązywałaby, gdyby wyżsi ludzie mieli tę samą sylwetkę w większej skali. Panel B: W/H² jest najbardziej płaski z trzech indeksów, czyli najmniej zależy od wzrostu – to kryterium Keysa i in. (1972).

Na co uważać. To średnie dla grup wzrostu, a nie pomiary osób: zmienność między ludźmi znika, dlatego korelacje indeksów ze wzrostem są bliskie ±1 (dla BMI r = −.94). Wykładnik 1.63 dotyczy tej jednej tabeli.

Podpis do pracy:

Rysunek 2. Zależność przeciętnej masy ciała od wzrostu w skali logarytmicznej (A) oraz indeksy W/H, W/H² (BMI) i W/H³ wyrażone jako procent własnej średniej (B). Uwaga. W panelu A niebieska linia to prosta MNK (nachylenie 1.63), linie szare – nachylenia 2 i 3 poprowadzone przez punkt średni. Dane: przeciętna masa ciała amerykańskich kobiet w wieku 30–39 lat w 15 grupach wzrostu Źródło danych: The World Almanac and Book of Facts z 1975 r., zbiór women w R.

Gdzie spotkasz Queteleta w swojej pracy

  • BMI jako zmienna. Licząc BMI, używasz indeksu Queteleta. Jak go analizować – jako liczbę czy kategorie – opisuje wpis BMI jako zmienna.
  • Średnia i rozkład. Opisując wyniki statystyką opisową i rysując histogram z krzywą normalną, robisz to samo co Quetelet: porównujesz rozkład cechy z „prawem błędów”.
  • Kontrola wpływu wzrostu. Zamiast indeksu W/H² można użyć regresji masy na wzrost; wybór indeksu warto uzasadnić jego korelacją ze wzrostem, jak Keys i in. (1972).

Spory, mity i trudne strony

  • Przeciętny jako najlepszy. Quetelet uważał człowieka przeciętnego za uosobienie wszystkich zalet – najbardziej moralnego, inteligentnego i pięknego – i sądził, że jego cechy różnią się między narodami i rasami (Jahoda, 2015). Średnia opisuje jednak grupę, a nie wzorzec, do którego jednostki powinny dążyć.
  • Nie wszystko jest normalne. Quetelet traktował rozkład normalny jako prawo uniwersalne. Jego pomysł przejął Francis Galton, który w Hereditary Genius (1869) założył, że również zdolności umysłowe mają rozkład normalny (Jahoda, 2015) – co do dziś leży u podstaw testów inteligencji. Rozkład wyprowadzony przez Gaussa dla błędów pomiaru nie musi pasować do każdej cechy.
  • BMI to nie otłuszczenie. Keys i in. (1972) wybrali W/H² jako najlepszy z porównywanych indeksów masy względnej. Indeks liczy jednak masę, nie jej skład – ta sama wartość BMI może oznaczać różny udział tkanki tłuszczowej.
  • Wpływ na statystykę publiczną. Quetelet inspirował Florence Nightingale; spotkali się w 1860 r. podczas kongresu statystycznego w Londynie (Jahoda, 2015).
Przykład reprodukowalny

Indeks Queteleta w R

Kod rysuje oś czasu, przelicza dane women na kilogramy i metry, szacuje wykładnik zależności masy od wzrostu w skali log–log i porównuje trzy indeksy masy według kryterium Keysa i in. (1972). Rysunki na stronie powstały z tych samych obiektów os_czasu i p_metoda z krojem i tłem serwisu; dane, geometrie i skale są identyczne.

Oś czasu, BMI i wykładnik masa ∝ wzrostk

Dane wejściowe: data(women, package = "datasets") – przeciętna masa ciała (funty) Amerykanek w wieku 30–39 lat dla 15 wartości wzrostu (cale); źródło według pomocy R: The World Almanac and Book of Facts, 1975.

Co odczytać: zakres BMI; wykładnik k z 95% CI; korelację każdego indeksu ze wzrostem i procentową zmianę indeksu między najniższą a najwyższą grupą.

Kod R rysunków 1 i 2
# Adolphe Quetelet: oś czasu i indeks Queteleta (BMI) na danych women
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
oi <- c(niebieski = "#0072B2", pomaranczowy = "#D55E00", zielony = "#009E73", szary = "grey40")  # Okabe–Ito
motyw <- theme_minimal(base_size = 13) + theme(panel.grid.minor = element_blank(),
                                               plot.title = element_text(face = "bold"))

# 1. Oś czasu (lata według Jahody 2015, Eknoyana 2008 i Keysa i in. 1972)
zdarzenia <- data.frame(
  rok = c(1796, 1820, 1823, 1832, 1835, 1853, 1860, 1874, 1972),
  opis = c("urodzony w Gandawie", "członek Akademii\nw Brukseli", "pobyt w Paryżu", "indeks W/H²",
           "Sur l'homme", "I Międzynarodowy\nKongres Statystyczny", "spotkanie z\nF. Nightingale", "zmarł",
           "Keys i in.: nazwa\n„body mass index”"),
  kto = factor(c(rep("Quetelet", 8), "inni"), levels = c("Quetelet", "inni")),
  poziom = c(1.2, -1.2, 2.6, 1.2, -2.6, 1.2, -1.2, 1.2, -1.2))
zdarzenia$x <- ifelse(zdarzenia$rok > 1900, 1886, zdarzenia$rok)   # 1972 za przerwą osi
os_czasu <- ggplot(zdarzenia, aes(x, 0)) +
  geom_hline(yintercept = 0, colour = oi[["szary"]], linewidth = 0.6) +
  geom_segment(aes(xend = x, y = 0, yend = poziom - sign(poziom) * 0.5), colour = "grey60", linewidth = 0.4) +
  geom_point(aes(shape = kto, fill = kto), size = 3.4, colour = "black") +
  geom_text(aes(y = poziom, label = paste0(rok, "\n", opis)), size = 3.2, lineheight = 0.9) +
  scale_shape_manual(values = c(Quetelet = 21, inni = 24), labels = c("Quetelet", "inny autor")) +
  scale_fill_manual(values = c(Quetelet = oi[["niebieski"]], inni = oi[["pomaranczowy"]]),
                    labels = c("Quetelet", "inny autor")) +
  annotate("text", x = 1880.5, y = 0, label = "//", size = 5, colour = oi[["szary"]]) +
  scale_x_continuous(breaks = seq(1790, 1870, 10), limits = c(1786, 1894)) +
  scale_y_continuous(limits = c(-3.3, 3.3)) +
  labs(x = NULL, y = NULL, shape = NULL, fill = NULL, title = "Adolphe Quetelet (1796–1874)") +
  motyw + theme(axis.text.y = element_blank(), panel.grid.major.y = element_blank())

# 2. Indeks Queteleta na danych women: średni wzrost i masa ciała Amerykanek w wieku 30–39 lat
data(women, package = "datasets")
w <- transform(women, m = height * 0.0254, kg = weight * 0.45359237)   # cale -> m, funty -> kg
w$bmi <- w$kg / w$m^2
round(range(w$bmi), 2)
# Jak szybko masa rośnie ze wzrostem? Nachylenie w skali log–log: masa ~ wzrost^k
model <- lm(log(kg) ~ log(m), data = w)
round(cbind(k = coef(model)[2], confint(model)[2, , drop = FALSE]), 2)
# Kryterium Keysa i in. (1972): dobry indeks zależy od wzrostu jak najmniej
indeksy <- data.frame(m = w$m, `W/H` = w$kg / w$m, `W/H²` = w$bmi, `W/H³` = w$kg / w$m^3, check.names = FALSE)
round(sapply(indeksy[-1], function(x) c(r_ze_wzrostem = cor(x, indeksy$m),
                                         zmiana_proc = 100 * (x[15] / x[1] - 1))), 2)

srodek <- c(x = mean(log(w$m)), y = mean(log(w$kg)))
odniesienie <- data.frame(k = c(2, 3), opis = c("k = 2 (Quetelet)", "k = 3 (ta sama sylwetka)"))
odniesienie$wyraz_wolny <- srodek[["y"]] - odniesienie$k * srodek[["x"]]
p_loglog <- ggplot(w, aes(log(m), log(kg))) +
  geom_abline(data = odniesienie, aes(intercept = wyraz_wolny, slope = k, linetype = opis),
              colour = oi[["szary"]], linewidth = 0.7) +
  geom_smooth(method = "lm", formula = y ~ x, se = FALSE, colour = oi[["niebieski"]], linewidth = 1) +
  geom_point(shape = 21, fill = "white", colour = "black", size = 2.4) +
  scale_linetype_manual(values = c("dashed", "dotted")) +
  annotate("text", x = min(log(w$m)), y = max(log(w$kg)), hjust = 0, vjust = 1, size = 3.6,
           label = paste0("dane: k = ", round(coef(model)[2], 2)), colour = oi[["niebieski"]]) +
  labs(x = "ln(wzrost w m)", y = "ln(masa w kg)", linetype = NULL,
       title = "A. Masa a wzrost w skali log–log") + motyw + theme(legend.position = "bottom")
dl <- data.frame(m = rep(indeksy$m, 3), indeks = factor(rep(names(indeksy)[-1], each = 15), levels = names(indeksy)[-1]),
                 wzgledem_sredniej = unlist(lapply(indeksy[-1], function(x) 100 * x / mean(x))))
p_indeksy <- ggplot(dl, aes(m * 100, wzgledem_sredniej, colour = indeks, shape = indeks, linetype = indeks)) +
  geom_hline(yintercept = 100, colour = "grey60") +
  geom_line(linewidth = 0.8) + geom_point(size = 2.2) +
  scale_colour_manual(values = unname(oi[c("pomaranczowy", "niebieski", "zielony")])) +
  labs(x = "Wzrost (cm)", y = "Indeks (% średniej)", colour = NULL, shape = NULL, linetype = NULL,
       title = "B. Trzy indeksy masy względem wzrostu") + motyw + theme(legend.position = "bottom")
p_metoda <- p_loglog + p_indeksy
os_czasu
p_metoda
Wynik w R
[1] 22.10 24.03
          k 2.5 % 97.5 %
log(m) 1.63  1.56    1.7
                W/H  W/H²   W/H³
r_ze_wzrostem  0.98 -0.94  -0.99
zmiana_proc   14.88 -7.46 -25.45

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (dane women z pakietu datasets; regresja – lm() i confint(); rysunki – pakiety ggplot2 i patchwork). 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
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze pytania

Kim był Adolphe Quetelet?

Astronomem, matematykiem i statystykiem (1796–1874) urodzonym w Gandawie, członkiem i sekretarzem stałym Akademii w Brukseli. Przeniósł metody astronomii na badania ludzi i społeczeństw, wprowadził pojęcie człowieka przeciętnego, opisał indeks masy ciała i zorganizował pierwszy Międzynarodowy Kongres Statystyczny (1853).

Co to jest indeks Queteleta?

To masa ciała w kilogramach podzielona przez kwadrat wzrostu w metrach – dzisiejszy wskaźnik masy ciała (BMI). Quetelet opisał go w 1832 r., a nazwę body mass index nadali mu w 1972 r. Ancel Keys i współpracownicy.

Czym jest człowiek przeciętny Queteleta?

To postać złożona ze średnich wartości cech w danej grupie (l’homme moyen). Quetelet traktował ją najpierw jako fikcję rachunkową, później jako rzeczywisty typ reprezentujący grupę, a nawet jako uosobienie wszystkich zalet.

Dlaczego BMI dzieli masę przez kwadrat wzrostu?

Quetelet zauważył, że u dorosłych masa ciała rośnie mniej więcej z kwadratem wzrostu, więc W/H² prawie nie zależy od wzrostu. Keys i in. (1972) potwierdzili, że ten iloraz jest słabiej skorelowany ze wzrostem niż inne porównywane indeksy, np. W/H³.

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. Eknoyan, G. (2008). Adolphe Quetelet (1796–1874) – the average man and indices of obesity. Nephrology Dialysis Transplantation, 23(1), 47–51. https://doi.org/10.1093/ndt/gfm517
  2. Jahoda, G. (2015). Quetelet and the emergence of the behavioral sciences. SpringerPlus, 4(1), Article 473. https://doi.org/10.1186/s40064-015-1261-7 ● Otwarty dostęp
  3. Keys, A., Fidanza, F., Karvonen, M. J., Kimura, N., & Taylor, H. L. (1972). Indices of relative weight and obesity. Journal of Chronic Diseases, 25(6–7), 329–343. https://doi.org/10.1016/0021-9681(72)90027-6

Cytowania BibTeX

@article{eknoyan2008adolphe, author={Eknoyan, Garabed}, title={{Adolphe Quetelet (1796–1874) – the average man and indices of obesity}}, journal={Nephrology Dialysis Transplantation}, year={2008}, volume={23}, number={1}, pages={47--51}, doi={10.1093/ndt/gfm517}}
@article{jahoda2015quetelet, author={Jahoda, Gustav}, title={{Quetelet and the emergence of the behavioral sciences}}, journal={SpringerPlus}, year={2015}, volume={4}, number={1}, eid={473}, doi={10.1186/s40064-015-1261-7}}
@article{keys1972indices, author={Keys, Ancel and Fidanza, Flaminio and Karvonen, Martti J. and Kimura, Noboru and Taylor, Henry L.}, title={{Indices of relative weight and obesity}}, journal={Journal of Chronic Diseases}, year={1972}, volume={25}, number={6–7}, pages={329--343}, doi={10.1016/0021-9681(72)90027-6}}
R