Kim była Alice Lee?
Alice Elizabeth Lee (1858–1939) urodziła się 28 czerwca 1858 r. w Dedham w hrabstwie Essex jako jedna z pięciu córek konstruktora powozów. W 1876 r. zaczęła studia w Bedford College w Londynie – uczelni dla kobiet – i w 1884 r. jako pierwsza jego studentka uzyskała stopień BSc (rok później także BA). W college’u uczyła potem matematyki i fizyki aż do 1916 r. (Renwick, 2018).
Z Karlem Pearsonem zetknęła się w 1892 r., gdy publicznie odpowiedziała na jego krytykę Bedford College. W 1895 r. słuchała – razem z George’em Udnym Yule’em – jego pierwszego kursu statystyki zaawansowanej, a pod koniec lat 90. Pearson zatrudnił ją jako asystentkę. Pracowała w jego laboratoriach w University College London, gdzie uważał ją za niemal niezastąpioną; w 1907 r. zrezygnowała z powodu złego zdrowia. W czasie I wojny światowej liczyła trajektorie pocisków dla Munitions Inventions Department, a potem pracowała jako rachmistrzyni w Admiralicji. Formalnie przeszła na emeryturę w 1927 r., a zmarła 5 października 1939 r. w Rustington w hrabstwie Sussex (Renwick, 2018).
Najważniejsze pomysły
- Korelacja wymiarów czaszki (1901). Jej rozprawa doktorska, poprawiona na sugestię Pearsona (Lee, 1901), ukazała się jako „pierwsze studium korelacji ludzkiej czaszki” (Lee i Pearson, 1901). Punktem wyjścia był stary problem anatomów: czy z kilku zmierzonych części da się odtworzyć resztę. Autorzy pisali, że jakościowe próby kończyły się błędami, a podstawą może być dopiero ilościowa teoria korelacji zastosowana do serii pomiarów z jednej lokalnej populacji.
- Czaszka a inteligencja. Zbierając pomiary z wielu krajów, pokazała, że wielkość czaszki nie układa się według ówczesnych wyobrażeń o „hierarchii ras”, a pomiary głów wybitnych anatomów – że ludzie o niewątpliwym intelekcie nie muszą mieć największych czaszek (Renwick, 2018).
- Współautorka prac Pearsona. Pisała z nim m.in. o dziedziczeniu cech trudnych do zmierzenia (np. koloru oczu); w tamtym czasie kobiety rzadko były autorkami w czasopismach Royal Society (Renwick, 2018).
- Tablice. Liczyła tablice potrzebne statystykom przed erą komputerów, np. tablicę funkcji „ogona” rozkładu normalnego w Biometrice (Lee, 1914).
Ciekawostka
Aby sprawdzić, czy wielkość głowy mówi coś o intelekcie, Lee wzięła pomiary głów 35 czołowych anatomów, opublikowane w 1898 r. w „Journal of Anatomy”, i oszacowała ich pojemność czaszki. Wybitni uczeni wcale nie mieli największych głów. Sir William Turner z Edynburga, sklasyfikowany blisko końca listy, nie przyjął założeń tego ćwiczenia (Renwick, 2018).
Gdy w 1899 r. Lee złożyła rozprawę, Turner został jej zewnętrznym recenzentem i – jak pisze Renwick (2018) – postawił poważne i bezpodstawne zarzuty co do jej jakości i oryginalności. Spór rozstrzygnął dopiero Francis Galton; Uniwersytet Londyński nadał jej stopień doktora (DSc) w 1901 r.
Przykład na historycznych danych
Zbiór Skulls z pakietu heplots zawiera – według pliku pomocy – cztery wymiary 150 czaszek egipskich z pięciu epok (po 30, od ok. 4000 r. p.n.e. do ok. 150 r. n.e.): największą szerokość (mb), wysokość (bh), długość podstawno-zębodołową (bl) i wysokość nosa (nh). Dane pochodzą z książki Thomsona i Randall-Maciver (1905) w opracowaniu Handa i in. (1994). Nie są to dane Lee; pokazujemy na nich jej problem: korelacje wymiarów czaszki i to, dlaczego liczy się je w obrębie jednej populacji.
Średnie wymiary zmieniają się w czasie: szerokość rośnie (131.4 → 136.2 mm), długość maleje (99.2 → 93.5 mm). Gdy policzymy korelację szerokości z długością w całej próbie, wychodzi r = −.157 (95% CI [−.309, .003]); wewnątrz epok – po odjęciu średnich epok – r = .004 [−.159, .166]. Ujemny związek „produkuje” więc samo łączenie grup o różnych średnich. Najsilniejsza korelacja, wysokości z długością, jest słaba także wewnątrz epok: r = .218 [.058, .368].
„Rekonstrukcja” w duchu pracy z 1901 r. też wypada skromnie: przy znanej epoce odchylenie standardowe błędu przewidywania wysokości czaszki wynosi 4.85 mm, a po dodaniu trzech pozostałych wymiarów – 4.71 mm (R² rośnie z .063 do .135).
Na rysunku
Co widać. Lee zaczęła statystykę po trzydziestce, ucząc równolegle w Bedford College; najważniejsze prace powstały w ciągu kilkunastu lat współpracy z Pearsonem.
Na co uważać. Love (1979) podaje rok urodzenia 1859; przyjmujemy 1858 za Renwickiem (2018), który powołuje się na akt urodzenia.
Podpis do pracy:
heplots::Skulls (Thomson i Randall-Maciver, 1905, według pliku pomocy). Przedziały z transformacji Fishera. Obliczenia i rysunek: R, pakiety ggplot2 i patchwork (bez losowania).Co widać. W panelu A chmura punktów każdej epoki jest prawie pozioma, ale średnie epok układają się w opadający ciąg – stąd ujemna prosta dla całej próby. Panel B pokazuje, że korelacje wymiarów czaszki są słabe, a dla szerokości i długości wynik zależy od tego, czy łączymy epoki.
Na co uważać. Daty epok są przybliżone, a 30 czaszek w epoce to mało, więc przedziały są szerokie; korelacja wewnątrz epok zakłada podobny związek we wszystkich epokach.
Podpis do pracy:
Gdzie spotkasz Alice Lee w swojej pracy
- Korelacja w grupach mieszanych. Zanim policzysz korelację na połączonej próbie (np. kilka szkół, klas, oddziałów), sprawdź, czy grupy nie różnią się średnimi – inaczej możesz dostać korelację pozorną albo paradoks Simpsona.
- Przedziały dla r. Przy małych próbach podawaj przedział ufności z transformacji Fishera, a nie samo p.
- Przewidywanie z kilku pomiarów. „Rekonstrukcja” Lee i Pearsona to dzisiejsza regresja wieloraka: zawsze podawaj błąd przewidywania, nie tylko współczynniki.
- Tablice statystyczne. Tradycję liczenia tablic w laboratorium Pearsona kontynuowała m.in. Florence Nightingale David.
Spory, mity i trudne strony
- Spór o doktorat. Zarzuty Turnera opisujemy za Renwickiem (2018), który ocenia je jako bezpodstawne; własnej wersji Turnera w przeczytanych źródłach nie znaleźliśmy.
- Eugenika. Lee pracowała w Laboratorium Eugenicznym im. Galtona przy UCL, a Oxford Dictionary of National Biography nazywa ją statystyczką i eugeniczką. Według Renwicka (2018) pociągały ją te strony eugeniki, które miały służyć równości politycznej i obalaniu przesądów; Love (1979) analizuje związki eugeniki i feminizmu w karierach Lee i Ethel Elderton.
- Trudna kariera. Mimo dorobku nie miała prawa do emerytury; Pearson i dyrektorka Bedford College Margaret Tuke uzyskali dla niej rentę państwową w wysokości 70 funtów rocznie (Renwick, 2018).
Korelacje wymiarów czaszki w R
Kod rysuje oś czasu, a potem wczytuje zbiór Skulls, liczy średnie wymiarów w epokach, korelacje Pearsona w całej próbie i wewnątrz epok (korelacje reszt po odjęciu średnich epok) z 95% przedziałami z transformacji Fishera oraz błąd przewidywania wysokości czaszki z pozostałych wymiarów. Rysunki na stronie powstały z tych samych obiektów p_os i p_metoda z krojem i tłem serwisu; dane, geometrie i skale są identyczne. Kod nie losuje.
Oś czasu i przykład: rysunki 1 i 2
Kod R rysunków 1 i 2
# Alice Lee: oś czasu i korelacje wymiarów czaszki – cała próba vs wewnątrz epok (heplots::Skulls)
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
oi <- c(niebieski = "#0072B2", pomaranczowy = "#E69F00", cynober = "#D55E00", zielony = "#009E73",
fiolet = "#CC79A7", szary = "grey45") # 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 Renwicka 2018 i dat publikacji)
zdarzenia <- data.frame(
rok = c(1858, 1876, 1884, 1895, 1899, 1901, 1907, 1914, 1927, 1939),
opis = c("urodziła się\nw Dedham", "studia w Bedford\nCollege (Londyn)", "pierwsza z Bedford College\nze stopniem BSc",
"wykłady Pearsona\nze statystyki", "rozprawa oddana;\nspór z Turnerem", "doktorat (DSc)\ni praca o czaszkach",
"rezygnuje z pracy\nw laboratorium Pearsona", "tablica „ogonów”\nrozkładu normalnego",
"przechodzi\nna emeryturę", "zmarła\nw Rustington"),
rodzaj = c("życie", "nauka", "nauka", "nauka", "spór", "publikacja", "praca", "publikacja", "praca", "życie"))
zdarzenia$y <- c(1, -1, 1.9, -1, 1, -1.9, 1.9, -1, 1, -1)
ksztalty <- c("życie" = 21, "nauka" = 22, "praca" = 22, "publikacja" = 23, "spór" = 24)
kolory <- c("życie" = "grey45", "nauka" = "#56B4E9", "praca" = "#0072B2", "publikacja" = "#D55E00", "spór" = "#E69F00")
p_os <- ggplot(zdarzenia, aes(rok, 0)) +
geom_hline(yintercept = 0, colour = "grey60", linewidth = 0.8) +
geom_segment(aes(xend = rok, yend = y), colour = "grey70") +
geom_point(aes(shape = rodzaj, fill = rodzaj), size = 3.8) +
geom_label(aes(y = y, label = paste0(rok, "\n", opis), vjust = ifelse(y > 0, 0, 1)), size = 3.1,
lineheight = 0.9, linewidth = 0, fill = "white") +
scale_shape_manual(values = ksztalty, name = NULL) +
scale_fill_manual(values = kolory, name = NULL) +
scale_x_continuous(limits = c(1850, 1947), breaks = seq(1850, 1940, by = 10)) +
scale_y_continuous(limits = c(-3.1, 3.1)) +
labs(title = "Alice Lee (1858–1939)", x = NULL, y = NULL) +
motyw + theme(axis.text.y = element_blank(), panel.grid.major.y = element_blank(), legend.position = "bottom")
# 2. Dane: 150 czaszek egipskich z pięciu epok, po 30 (Thomson i Randall-Maciver 1905 według pliku pomocy)
data(Skulls, package = "heplots")
# mb – największa szerokość, bh – wysokość podstawno-bregmatyczna, bl – długość podstawno-zębodołowa, nh – wysokość nosa (mm)
Skulls$epoka <- factor(Skulls$epoch, labels = c("ok. 4000 p.n.e.", "ok. 3300 p.n.e.", "ok. 1850 p.n.e.",
"ok. 200 p.n.e.", "ok. 150 n.e."))
wymiary <- c("mb", "bh", "bl", "nh")
srednie_epok <- aggregate(Skulls[wymiary], list(epoka = Skulls$epoka), mean)
srednie_epok[wymiary] <- round(srednie_epok[wymiary], 1)
print(srednie_epok, row.names = FALSE)
# Korelacje w całej próbie i wewnątrz epok (korelacje reszt po odjęciu średnich epok)
r_calosc <- cor(Skulls[wymiary])
reszty <- resid(lm(as.matrix(Skulls[wymiary]) ~ epoka, data = Skulls))
r_wewnatrz <- cor(reszty)
pary <- t(combn(wymiary, 2))
n <- nrow(Skulls); g <- nlevels(Skulls$epoka)
przedzial <- function(r, n_ef) tanh(atanh(r) + c(-1, 1) * qnorm(0.975) / sqrt(n_ef - 3)) # transformacja Fishera
tab <- do.call(rbind, lapply(seq_len(nrow(pary)), function(i) {
a <- pary[i, 1]; b <- pary[i, 2]
rc <- r_calosc[a, b]; rw <- r_wewnatrz[a, b]
data.frame(para = paste(a, "–", b),
rodzaj = c("cała próba (n = 150)", "wewnątrz epok"),
r = c(rc, rw),
dolna = c(przedzial(rc, n)[1], przedzial(rw, n - (g - 1))[1]),
gorna = c(przedzial(rc, n)[2], przedzial(rw, n - (g - 1))[2]))
}))
print(transform(tab, r = round(r, 3), dolna = round(dolna, 3), gorna = round(gorna, 3)), row.names = FALSE)
# "Rekonstrukcja" jednego wymiaru z pozostałych: odchylenie standardowe błędu przewidywania bh (w obrębie epok)
modele <- list(`tylko epoka` = bh ~ epoka, `+ mb` = bh ~ epoka + mb, `+ mb + bl` = bh ~ epoka + mb + bl,
`+ mb + bl + nh` = bh ~ epoka + mb + bl + nh)
print(round(sapply(modele, function(f) c(sd_bledu = sigma(lm(f, data = Skulls)),
R2 = summary(lm(f, data = Skulls))$r.squared)), 3))
# Rysunek: A – szerokość vs długość z prostą dla całej próby i prostą wspólną wewnątrz epok; B – korelacje
srednie <- aggregate(cbind(mb, bl) ~ epoka, data = Skulls, FUN = mean)
b_wew <- coef(lm(bl ~ mb + epoka, data = Skulls))[["mb"]]
srednie$x0 <- srednie$mb - 4; srednie$x1 <- srednie$mb + 4
srednie$y0 <- srednie$bl - 4 * b_wew; srednie$y1 <- srednie$bl + 4 * b_wew
ksz_epok <- c(16, 17, 15, 18, 1)
kol_epok <- unname(oi[c("niebieski", "pomaranczowy", "zielony", "fiolet", "cynober")])
pA <- ggplot(Skulls, aes(mb, bl)) +
geom_point(aes(colour = epoka, shape = epoka), alpha = 0.55, size = 1.9) +
geom_smooth(method = "lm", formula = y ~ x, se = FALSE, colour = "black", linetype = "22", linewidth = 0.8) +
geom_segment(data = srednie, aes(x = x0, xend = x1, y = y0, yend = y1, colour = epoka), linewidth = 1) +
geom_point(data = srednie, aes(colour = epoka, shape = epoka), size = 4.5, stroke = 1.2) +
scale_colour_manual(values = kol_epok, name = NULL) +
scale_shape_manual(values = ksz_epok, name = NULL) +
labs(title = "A. Szerokość a długość czaszki", x = "Największa szerokość mb (mm)",
y = "Długość podstawno-zębodołowa bl (mm)", caption = "przerywana: prosta dla całej próby; krótkie odcinki: wspólne nachylenie wewnątrz epok") +
motyw + theme(legend.position = "bottom") + guides(colour = guide_legend(nrow = 2), shape = guide_legend(nrow = 2))
tab$para <- factor(tab$para, levels = rev(unique(tab$para)))
pB <- ggplot(tab, aes(r, para, colour = rodzaj, shape = rodzaj)) +
geom_vline(xintercept = 0, colour = "grey50") +
geom_errorbar(aes(xmin = dolna, xmax = gorna), orientation = "y", width = 0.25, position = position_dodge(width = 0.55)) +
geom_point(size = 2.8, position = position_dodge(width = 0.55)) +
scale_colour_manual(values = unname(oi[c("szary", "niebieski")]), name = NULL) +
scale_shape_manual(values = c(17, 16), name = NULL) +
labs(title = "B. Korelacje z 95% przedziałami", x = "r Pearsona", y = NULL) +
motyw + theme(legend.position = "bottom", legend.direction = "vertical")
p_metoda <- pA + pB + plot_layout(widths = c(1.15, 1))
p_os
p_metodaWynik w R
epoka mb bh bl nh
ok. 4000 p.n.e. 131.4 133.6 99.2 50.5
ok. 3300 p.n.e. 132.4 132.7 99.1 50.2
ok. 1850 p.n.e. 134.5 133.8 96.0 50.6
ok. 200 p.n.e. 135.5 132.3 94.5 52.0
ok. 150 n.e. 136.2 130.3 93.5 51.4
para rodzaj r dolna gorna
mb – bh cała próba (n = 150) -0.062 -0.220 0.099
mb – bh wewnątrz epok 0.002 -0.161 0.164
mb – bl cała próba (n = 150) -0.157 -0.309 0.003
mb – bl wewnątrz epok 0.004 -0.159 0.166
mb – nh cała próba (n = 150) 0.183 0.023 0.333
mb – nh wewnątrz epok 0.137 -0.026 0.293
bh – bl cała próba (n = 150) 0.264 0.109 0.407
bh – bl wewnątrz epok 0.218 0.058 0.368
bh – nh cała próba (n = 150) 0.147 -0.014 0.300
bh – nh wewnątrz epok 0.184 0.022 0.337
bl – nh cała próba (n = 150) -0.006 -0.166 0.154
bl – nh wewnątrz epok 0.072 -0.091 0.232
tylko epoka + mb + mb + bl + mb + bl + nh
sd_bledu 4.846 4.863 4.762 4.706
R2 0.063 0.063 0.108 0.135Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (korelacje i modele – funkcje cor() i lm() z pakietu stats; dane – pakiet heplots; rysunki – pakiety ggplot2 i patchwork). 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/
- heplots (wersja 1.8.1): Friendly, M., Fox, J., & Monette, G. (2025). heplots: Visualizing tests in multivariate linear models [R package]. https://CRAN.R-project.org/package=heplots
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
- 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 była Alice Lee?
Brytyjską matematyczką i statystyczką (1858–1939). W 1884 r. jako pierwsza studentka Bedford College w Londynie uzyskała stopień BSc, uczyła tam matematyki i fizyki, a od lat 90. XIX w. pracowała jako asystentka Karla Pearsona w University College London. Doktorat (DSc) otrzymała w 1901 r.
Co Alice Lee wykazała w badaniach czaszek?
Że wielkość czaszki nie układa się według ówczesnych wyobrażeń o „hierarchii ras” i że wybitni uczeni nie muszą mieć największych głów – porównała pod tym względem pomiary 35 czołowych anatomów. Jej rozprawa ukazała się w 1901 r. jako pierwsze studium korelacji ludzkiej czaszki.
Dlaczego doktorat Alice Lee był kwestionowany?
Anatom Sir William Turner, który na jej liście wypadł blisko końca, został zewnętrznym recenzentem rozprawy złożonej w 1899 r. i postawił zarzuty co do jej jakości i oryginalności, przez biografa oceniane jako bezpodstawne. Spór rozstrzygnął Francis Galton, a stopień nadano w 1901 r.
Czy Alice Lee była eugeniczką?
Oxford Dictionary of National Biography określa ją jako statystyczkę i eugeniczkę: pracowała w Laboratorium Eugenicznym im. Galtona przy UCL. Według jej biografa pociągały ją te strony eugeniki, które miały służyć równości politycznej i obalaniu przesądów; związki eugeniki z feminizmem w jej karierze analizuje Love (1979).
Powiązane hasła
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)
- Lee, A. (1901). Data for the problem of evolution in man. VI. A first study of the correlation of the human skull. Proceedings of the Royal Society of London, 67(435–441), 333–337. https://doi.org/10.1098/rspl.1900.0038
- Lee, A. (1914). Table of the Gaussian “tail” functions; when the “tail” is larger than the body. Biometrika, 10(2–3), 208–214. https://doi.org/10.1093/biomet/10.2-3.208
- Lee, A., & Pearson, K. (1901). Data for the problem of evolution in man. VI. A first study of the correlation of the human skull. Philosophical Transactions of the Royal Society of London. Series A, 196(274–286), 225–264. https://doi.org/10.1098/rsta.1901.0005
- Love, R. (1979). ‘Alice in eugenics-land’: Feminism and eugenics in the scientific careers of Alice Lee and Ethel Elderton. Annals of Science, 36(2), 145–158. https://doi.org/10.1080/00033797900200451
- Renwick, C. (2018). Lee, Alice Elizabeth (1858–1939), statistician and eugenicist. Oxford Dictionary of National Biography. https://doi.org/10.1093/odnb/9780198614128.013.39491
Cytowania BibTeX
@article{lee1901data, author={Lee, Alice}, title={{Data for the problem of evolution in man. VI. A first study of the correlation of the human skull}}, journal={Proceedings of the Royal Society of London}, year={1901}, volume={67}, number={435–441}, pages={333--337}, doi={10.1098/rspl.1900.0038}}@article{lee1914table, author={Lee, Alice}, title={{Table of the Gaussian “tail” functions; when the “tail” is larger than the body}}, journal={Biometrika}, year={1914}, volume={10}, number={2–3}, pages={208--214}, doi={10.1093/biomet/10.2-3.208}}@article{lee1901first, author={Lee, Alice and Pearson, Karl}, title={{Data for the problem of evolution in man. VI. A first study of the correlation of the human skull}}, journal={Philosophical Transactions of the Royal Society of London. Series A}, year={1901}, volume={196}, number={274–286}, pages={225--264}, doi={10.1098/rsta.1901.0005}}@article{love1979alice, author={Love, Rosaleen}, title={{‘Alice in eugenics-land’: Feminism and eugenics in the scientific careers of Alice Lee and Ethel Elderton}}, journal={Annals of Science}, year={1979}, volume={36}, number={2}, pages={145--158}, doi={10.1080/00033797900200451}}@misc{renwick2018lee, author={Renwick, Chris}, title={{Lee, Alice Elizabeth (1858–1939), statistician and eugenicist}}, howpublished={Oxford Dictionary of National Biography}, year={2018}, publisher={Oxford University Press}, doi={10.1093/odnb/9780198614128.013.39491}}