Kim była Florence Nightingale David?
Florence Nightingale David (1909–1993), podpisująca się zwykle F. N. David, była brytyjską statystyczką, autorką tablic rozkładu współczynnika korelacji w małych próbach, podręczników kombinatoryki i prawdopodobieństwa oraz cenionej historii rachunku prawdopodobieństwa. Urodziła się 23 sierpnia 1909 r. w Ivington koło Leominster w Anglii, a w 1931 r. ukończyła matematykę w Bedford College for Women (Laird, 1989).
Chciała zostać aktuariuszką, ale ten zawód był wtedy praktycznie zamknięty dla kobiet, więc trafiła do University College London jako asystentka badawcza Karla Pearsona (Barton, 1994; Laird, 1989, podaje 1933 r.). W 1935 r. została asystentką w katedrze statystyki kierowanej przez Egona Pearsona, gdzie od 1934 r. pracował też Jerzy Neyman; doktorat uzyskała w 1938 r. (Barton, 1994; Laird, 1989).
W czasie wojny była m.in. starszym statystykiem w dziale badań Ministry of Home Security i doradcą naukowym ds. min (Laird, 1989); zajmowała się badaniami obrony cywilnej i pisała monografie o danych o masowych ofiarach oraz o minach przeciwpancernych (Barton, 1994). W 1945 r. wróciła do UCL, gdzie w 1962 r. została profesorem. Od 1958 r. regularnie odwiedzała Berkeley, w 1968 r. objęła katedrę biostatystyki w University of California w Riverside, a w 1970 r. – nowo utworzoną katedrę statystyki. Po przejściu na emeryturę w 1977 r. przeniosła się do Berkeley (Laird, 1989). Zmarła w lipcu 1993 r. w wieku 83 lat (Barton, 1994).
Najważniejsze pomysły
- Tablice współczynnika korelacji (1938). Podają rzędne (gęstość) i całkę prawdopodobieństwa rozkładu r w małych próbach (David, 1938). Pozwalały bez przybliżeń odczytać, jak prawdopodobna jest dana wartość r przy założonej korelacji w populacji.
- Prace z Neymanem. W latach przedwojennych napisała z Neymanem pracę o metodzie najmniejszych kwadratów (dziś kojarzoną z twierdzeniem Gaussa–Markowa) i swój pierwszy artykuł o gładkim teście zgodności Neymana (Barton, 1994).
- Kombinatoryka. „Combinatorial Chance” (David i Barton, 1962) to według Laird (1989) zbiór wyników z kombinatorycznego rachunku prawdopodobieństwa trudnych do znalezienia gdzie indziej.
- Historia prawdopodobieństwa. „Games, Gods and Gambling” (David, 1962) opisuje dzieje idei probabilistycznych od starożytności do epoki Newtona, a więc także czasy, w których działali Pascal i Fermat.
- Statystyka w biologii i medycynie. Po wojnie współpracowała z genetykiem L. S. Penrose’em, m.in. nad interakcją czasu i miejsca w epidemiach oraz nad rozkładem chromosomów (Barton, 1994).
Ciekawostka
Swoją pracę wojenną David uważała w dużej mierze za czas stracony – ale jednym jej efektem lubiła się chwalić. Według nekrologu napisanego przez jej współautora przypisywała sobie część zasługi za to, że wojska brytyjskie zakładające pola minowe na Pustyni Zachodniej rozmieszczały miny według tablic liczb losowych. Niemcy układali miny w regularny wzór, więc po wybuchu kilku pierwszych łatwo było ustalić położenie pozostałych (Barton, 1994).
To ta sama idea, która stoi za doborem losowym i randomizacją: los nie zostawia wzoru, który przeciwnik – albo badacz – mógłby wykorzystać. Barton (1994) przytacza też jej niejednoznaczne wspomnienie sprzed wojny: przy tablicach korelacji kręciła korbami trzech mechanicznych maszyn liczących Brunsviga połączonych szeregowo, bo Karl Pearson wymagał dokładności do 20 cyfr.
Przykład
Postaci F. N. David nie da się przypisać jednego testu, więc pokazujemy to, co liczyła w tablicach z 1938 r.: dokładny rozkład współczynnika korelacji r w małej próbie z dwuwymiarowego rozkładu normalnego. Korelację w populacji ρ = .6 i liczebności 5, 10 i 25 par dobraliśmy ręcznie dla ilustracji; to obliczenia teoretyczne, nie dane historyczne. Gęstość liczymy numerycznie z dokładnego wzoru całkowego, a wynik sprawdzamy symulacją.
Rozkład r nie jest symetryczny. Przy ρ = .6 i n = 5 średnia r wynosi 0.548, a mediana 0.664; dla n = 10 – 0.578 i 0.624; dla n = 25 – 0.592 i 0.608. Przy pięciu parach aż 10.4% prób daje r ≤ 0, mimo że w populacji korelacja jest umiarkowanie silna; przy dziesięciu – 2.55%, przy 25 – 0.06%.
Gdy ρ = 0, dokładny rozkład daje dwustronne wartości krytyczne (α = .05) 0.878 dla n = 5, 0.632 dla n = 10 i 0.396 dla n = 25 – te same, co przeliczenie przez rozkład t z n − 2 stopniami swobody. Symulacja 20 000 prób po 10 par (ziarno 1938, ustalone raz) dała średnią 0.578, medianę 0.625, odsetek r ≤ 0 równy 2.63% (dokładnie 2.55%) i odsetek r ≤ 0.3 równy 12.36% (dokładnie 12.40%).
Na rysunku
Co widać. Życie zawodowe David dzieli się na trzy części: przedwojenny UCL z tablicami korelacji, wojnę i powojenny UCL, a od końca lat 60. Kalifornię. Rok 1962 przyniósł jej profesurę i dwie książki.
Na co uważać. Źródła różnią się w szczegółach: Barton (1994) liczy pracę u Pearsona od 1931 r. i powrót do UCL od 1946 r., Laird (1989) – od 1933 i 1945 r. Na osi przyjęliśmy daty z wywiadu.
Podpis do pracy:
Co widać. W panelu A im mniejsza próba, tym szerszy i bardziej lewoskośny rozkład: górna granica 1 „ściska” prawy ogon, lewy ciągnie się daleko. W panelu B słupki symulacji pokrywają się z krzywą policzoną ze wzoru – tak dziś można sprawdzić tablice, które w 1938 r. liczono na maszynach z korbą.
Na co uważać. Wzór zakłada dwuwymiarowy rozkład normalny i niezależne pary. Przy innych rozkładach (np. z obserwacjami odstającymi) rzeczywisty rozkład r może wyglądać inaczej. Przedział ufności dla ρ buduje się zwykle przez transformację Fishera z.
Podpis do pracy:
Gdzie spotkasz F. N. David w swojej pracy
Każdy test istotności korelacji Pearsona w małej próbie opiera się na tym samym rozkładzie, który David stablicowała w 1938 r. W praktyce:
- przy małym n nie interpretuj r jak dokładnego oszacowania – przy 10 parach i ρ = .6 mniej więcej co ósma próba daje r ≤ 0.3; jak raportować korelację, pokazuje wpis Korelacja Pearsona i Spearmana krok po kroku;
- wartości krytyczne r dla małych prób (np. 0.632 przy n = 10) przydają się do szybkiej oceny tabel korelacji w cudzych artykułach;
Spory, mity i trudne strony
- Imię po Florence Nightingale. Często pisze się, że dostała imię po słynnej pielęgniarce i statystyczce. Barton (1994) podaje jednak, że sama zaprzeczała, by łączyło ją z Florence Nightingale coś więcej niż najdalszy związek; nie znaleźliśmy w cytowanych źródłach potwierdzenia, że były to znajome rodziny.
- Między Pearsonami a Fisherem. Po 1933 r. katedra statystyki Egona Pearsona i katedra eugeniki R. A. Fishera dzieliły ten sam budynek i nie żyły w zgodzie. Barton (1994) ocenia, że napięcia te sprzyjały gruntownemu namysłowi nad podstawami statystyki, w którym David pomagała Pearsonowi, Neymanowi i Gossetowi.
Rozkład współczynnika korelacji w R
Kod liczy numerycznie dokładną gęstość i dystrybuantę współczynnika korelacji r dla dwuwymiarowego rozkładu normalnego, z nich średnią, medianę, prawdopodobieństwo r ≤ 0 i wartości krytyczne, a potem porównuje je z symulacją i rysuje rysunek 2. Drugi przepis rysuje oś czasu (rysunek 1). Rysunki na stronie powstały z tych samych obiektów p1 i p2, którym podmieniono tylko motyw na motyw serwisu; dane, geometrie i skale są identyczne. Wartość ρ = .6 i liczebności dobraliśmy ręcznie dla ilustracji; ziarno set.seed(1938) ustalono raz.
1. Dokładny rozkład r i symulacja: rysunek 2
Kod R rysunku 2
# Florence Nightingale David: dokładny rozkład współczynnika korelacji r w małych próbach – obliczenie kontra symulacja
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
kol <- c(n5 = "#D55E00", n10 = "#0072B2", n25 = "#009E73", hist = "grey75") # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")
# Dokładna gęstość r dla próby n par z dwuwymiarowego rozkładu normalnego o korelacji rho (postać całkowa):
# f(r) = (n − 2)(1 − rho²)^((n − 1)/2) (1 − r²)^((n − 4)/2) / π · ∫_0^∞ (cosh w − rho·r)^(−(n − 1)) dw
gestosc_r <- function(r, rho, n) sapply(r, function(x) {
calka <- integrate(function(w) (cosh(w) - rho * x)^(-(n - 1)), 0, Inf)$value
(n - 2) * (1 - rho^2)^((n - 1) / 2) * (1 - x^2)^((n - 4) / 2) / pi * calka
})
# Całka prawdopodobieństwa P(r <= x) – to, co zawierały tablice z 1938 r., liczone tu numerycznie
dystr_r <- function(x, rho, n) integrate(function(r) gestosc_r(r, rho, n), -1, x)$value
rho <- 0.6 # korelacja w populacji dobrana ręcznie dla ilustracji
# Kontrola: gęstość całkuje się do 1
round(sapply(c(5, 10, 25), function(n) dystr_r(1, rho, n)), 6)
# Średnia, mediana r i P(r <= 0) przy rho = .6 dla n = 5, 10, 25 (dokładnie)
opis <- data.frame(n = c(5, 10, 25),
srednia_r = sapply(c(5, 10, 25), function(n) integrate(function(r) r * gestosc_r(r, rho, n), -1, 1)$value),
mediana_r = sapply(c(5, 10, 25), function(n) uniroot(function(x) dystr_r(x, rho, n) - 0.5, c(-0.99, 0.99))$root),
P_r_do_0 = sapply(c(5, 10, 25), function(n) dystr_r(0, rho, n)))
print(round(opis, 4), row.names = FALSE)
# Wartość krytyczna r przy H0: rho = 0 (dwustronnie, alfa = .05) – z dokładnego rozkładu i ze wzoru przez t
kryt <- data.frame(n = c(5, 10, 25),
r_kryt_dokladny = sapply(c(5, 10, 25), function(n) uniroot(function(x) dystr_r(x, 0, n) - 0.975, c(0, 0.999))$root),
r_kryt_przez_t = sapply(c(5, 10, 25), function(n) { t <- qt(.975, n - 2); t / sqrt(t^2 + n - 2) }))
print(round(kryt, 4), row.names = FALSE)
# Symulacja: 20 000 prób po n = 10 par z rozkładu normalnego o rho = .6
set.seed(1938) # ziarno ustalone raz (rok wydania tablic), nie dobierane
n <- 10; S <- 20000
r_sym <- replicate(S, {
x <- rnorm(n); y <- rho * x + sqrt(1 - rho^2) * rnorm(n)
cor(x, y)
})
round(c(srednia_sym = mean(r_sym), mediana_sym = median(r_sym), P_r_do_0_sym = mean(r_sym <= 0), P_r_do_0_dokl = dystr_r(0, rho, n),
P_r_do_0.3_sym = mean(r_sym <= 0.3), P_r_do_0.3_dokl = dystr_r(0.3, rho, n)), 4)
# Rysunek 2A: dokładne gęstości r przy rho = .6 dla n = 5, 10, 25
siatka <- seq(-0.99, 0.99, by = 0.01)
dA <- do.call(rbind, lapply(c(5, 10, 25), function(n)
data.frame(r = siatka, f = gestosc_r(siatka, rho, n), n = paste("n =", n))))
dA$n <- factor(dA$n, levels = c("n = 5", "n = 10", "n = 25"))
pA <- ggplot(dA, aes(r, f, colour = n, linetype = n)) +
geom_vline(xintercept = rho, colour = "grey50") +
geom_line(linewidth = 1) +
annotate("text", x = rho, y = 3.3, label = "ρ = .6", hjust = 1.15, size = 3.6) +
scale_colour_manual(values = c("n = 5" = kol[["n5"]], "n = 10" = kol[["n10"]], "n = 25" = kol[["n25"]]), name = NULL) +
scale_linetype_manual(values = c("n = 5" = "dotted", "n = 10" = "solid", "n = 25" = "dashed"), name = NULL) +
labs(title = "A. Dokładny rozkład r przy ρ = .6", x = "Współczynnik korelacji r w próbie", y = "Gęstość") +
motyw
# Rysunek 2B: symulacja (histogram) a krzywa dokładna dla n = 10
dB <- data.frame(r = siatka, f = gestosc_r(siatka, rho, 10))
pB <- ggplot(data.frame(r = r_sym), aes(r)) +
geom_histogram(aes(y = after_stat(density)), binwidth = 0.04, boundary = 0, fill = kol[["hist"]], colour = "white") +
geom_line(data = dB, aes(r, f), colour = kol[["n10"]], linewidth = 1) +
geom_vline(xintercept = rho, colour = "grey50") +
annotate("text", x = -0.98, y = 1.6, label = sprintf("słupki: %s prób symulowanych\nlinia: wzór dokładny", format(S, big.mark = " ")),
size = 3.4, hjust = 0) +
labs(title = "B. Symulacja a wzór dokładny (n = 10)", x = "Współczynnik korelacji r w próbie", y = "Gęstość") +
motyw
p2 <- pA + pB + plot_layout(widths = c(1, 1))
p2Wynik w R
[1] 1 1 1
n srednia_r mediana_r P_r_do_0
5 0.5480 0.6635 0.1040
10 0.5776 0.6240 0.0255
25 0.5918 0.6083 0.0006
n r_kryt_dokladny r_kryt_przez_t
5 0.8783 0.8783
10 0.6319 0.6319
25 0.3961 0.3961
srednia_sym mediana_sym P_r_do_0_sym P_r_do_0_dokl P_r_do_0.3_sym
0.5777 0.6250 0.0263 0.0255 0.1236
P_r_do_0.3_dokl
0.1240 2. Oś czasu: rysunek 1
Kod R rysunku 1
# Oś czasu: Florence Nightingale David, 1909–1993 – lata według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
rok = c(1909, 1931, 1933, 1938, 1939, 1962, 1968, 1977, 1993),
opis = c("urodziła się\n(Ivington)", "dyplom z matematyki\n(Bedford College)", "asystentka\nKarla Pearsona", "doktorat; tablice\nwspółczynnika korelacji",
"praca wojenna\n(do 1945–1946)", "profesor UCL; „Games, Gods\nand Gambling”, „Combinatorial Chance”", "Riverside\n(biostatystyka)", "emerytura,\nBerkeley", "zmarła"),
rodzaj = c("życie", "praca", "praca", "publikacja", "praca", "publikacja", "praca", "praca", "życie"))
zdarzenia$wys <- c(0.5, -0.5, 1.15, -1.15, 0.5, -0.5, 0.5, -1.15, 0.5) # etykiety nad i pod osią, na dwóch wysokościach
zdarzenia$wyrownanie <- c(0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.6, 0.5, 0.4)
ksztalty <- c("życie" = 21, "praca" = 22, "publikacja" = 23)
kolory <- c("życie" = "grey40", "praca" = "#0072B2", "publikacja" = "#D55E00") # Okabe–Ito
p1 <- ggplot(zdarzenia, aes(rok, 0)) +
geom_hline(yintercept = 0, colour = "grey60", linewidth = 0.8) +
geom_segment(aes(xend = rok, y = 0, yend = wys), colour = "grey70") +
geom_point(aes(shape = rodzaj, fill = rodzaj), size = 4, colour = "black") +
geom_text(aes(y = wys + 0.07 * sign(wys), label = paste0(rok, "\n", opis), vjust = ifelse(wys > 0, 0, 1), hjust = wyrownanie), size = 3.4, lineheight = 0.9) +
scale_shape_manual(values = ksztalty, name = NULL) +
scale_fill_manual(values = kolory, name = NULL) +
scale_x_continuous(limits = c(1900, 2002), breaks = seq(1900, 2000, by = 10)) +
scale_y_continuous(limits = c(-1.75, 1.75)) +
labs(x = NULL, y = NULL) +
theme_minimal(base_size = 13) +
theme(axis.text.y = element_blank(), panel.grid = element_blank(), axis.text.x = element_text(colour = "grey30"),
legend.position = "bottom")
p1Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (całkowanie numeryczne – integrate(), pierwiastki – uniroot(), korelacja – cor() z pakietu stats; 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/
- 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 Florence Nightingale David?
Brytyjską statystyczką (1909–1993). Po studiach matematycznych w Bedford College została asystentką Karla Pearsona w University College London, gdzie pracowała – z przerwą na służbę w czasie wojny – do lat 60. W 1968 r. przeniosła się do University of California w Riverside, a po emeryturze do Berkeley.
Co zawierały tablice współczynnika korelacji F. N. David?
Rzędne (gęstość) i całkę prawdopodobieństwa rozkładu współczynnika korelacji r w małych próbach, wydane w 1938 r. przez Biometrika Office. Pozwalały odczytać prawdopodobieństwo wartości r przy danej korelacji w populacji bez przybliżeń; liczono je na mechanicznych maszynach liczących.
Czy F. N. David była spokrewniona z Florence Nightingale?
Według nekrologu napisanego przez D. E. Bartona (1994) sama zaprzeczała, by łączyło ją ze słynną imienniczką coś więcej niż najdalszy związek. W źródłach, które przeczytaliśmy, nie ma potwierdzenia, że rodziny się przyjaźniły.
Dlaczego rozkład współczynnika korelacji w małej próbie jest niesymetryczny?
Bo r jest ograniczone do przedziału od −1 do 1: gdy korelacja w populacji jest dodatnia, prawy ogon „opiera się” o 1, a lewy ciągnie się w stronę wartości ujemnych. Przy ρ = .6 i 5 parach mediana r wynosi 0.664, średnia 0.548, a ok. 10% prób daje r ≤ 0.
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 studentówBibliografia i dalsza literatura naukowa (APA 7)
- Barton, D. E. (1994). Obituary: Florence Nightingale David. Journal of the Royal Statistical Society. Series A (Statistics in Society), 157(2), 299–301. https://doi.org/10.1111/j.1467-985x.1994.tb00570.x ● Otwarty dostęp
- David, F. N. (1938). Tables of the ordinates and probability integral of the distribution of the correlation coefficient in small samples. Biometrika Office, University College.
- David, F. N. (1962). Games, gods and gambling: The origins and history of probability and statistical ideas from the earliest times to the Newtonian era. Griffin.
- David, F. N., & Barton, D. E. (1962). Combinatorial chance. Griffin.
- Laird, N. M. (1989). A conversation with F. N. David. Statistical Science, 4(3), 235–246. https://doi.org/10.1214/ss/1177012487 ● Otwarty dostęp
Cytowania BibTeX
@article{barton1994david, author={Barton, David E.}, title={{Obituary: Florence Nightingale David}}, journal={Journal of the Royal Statistical Society. Series A (Statistics in Society)}, year={1994}, volume={157}, number={2}, pages={299--301}, doi={10.1111/j.1467-985x.1994.tb00570.x}}@book{david1938tables, author={David, Florence Nightingale}, title={{Tables of the ordinates and probability integral of the distribution of the correlation coefficient in small samples}}, year={1938}, publisher={Biometrika Office, University College}}@book{david1962games, author={David, Florence Nightingale}, title={{Games, gods and gambling: The origins and history of probability and statistical ideas from the earliest times to the Newtonian era}}, year={1962}, publisher={Griffin}}@book{david1962combinatorial, author={David, Florence Nightingale and Barton, David E.}, title={{Combinatorial chance}}, year={1962}, publisher={Griffin}}@article{laird1989conversation, author={Laird, Nan M.}, title={{A conversation with F. N. David}}, journal={Statistical Science}, year={1989}, volume={4}, number={3}, pages={235--246}, doi={10.1214/ss/1177012487}}