Słownik metodologiczny · Ludzie statystyki

George W. Snedecor (1881–1974) – kim był i co wniósł do statystyki

George W. Snedecor był pierwszym dyrektorem Laboratorium Statystycznego Iowa State College, napisał podręcznik Statistical Methods i nadał rozkładowi ilorazu wariancji literę F na cześć Fishera. Przedstawiamy jego drogę, oś czasu i rozkład F na danych o lucernie z jego podręcznika.

Strona główna / Słownik / George W. Snedecor
W skrócie: George W. Snedecor (1881–1974) – amerykański statystyk, pierwszy dyrektor Laboratorium Statystycznego Iowa State College (1933), autor podręcznika Statistical Methods (1937), który nazwał rozkład ilorazu średnich kwadratów literą F na cześć Ronalda Fishera.

Kim był George W. Snedecor?

George Waddel Snedecor (1881–1974) był amerykańskim statystykiem. Był pierwszym dyrektorem Laboratorium Statystycznego w Iowa State College i autorem podręcznika Statistical Methods dla badaczy rolnictwa i biologii. Urodził się 20 października 1881 r. w Memphis w stanie Tennessee. W 1905 r. ukończył matematykę i fizykę na University of Alabama, a potem uczył m.in. w Austin College w Teksasie (O’Connor i Robertson, 2010; Iowa State University Library, b.d.).

W 1913 r. zdobył magisterium z fizyki na University of Michigan i w tym samym roku został asystentem w katedrze matematyki Iowa State College w Ames. Profesorem nadzwyczajnym został w 1914 r., zwyczajnym w 1931 r. W roku akademickim 1914/1915 uczelnia wprowadziła kurs rachunku prawdopodobieństwa i metody najmniejszych kwadratów (O’Connor i Robertson, 2010). W 1924 r. razem z Henrym A. Wallace’em zorganizował seminaria, od których w Iowa State zaczęło się specjalne zainteresowanie badaniami statystycznymi. W 1927 r. uczelnia powołała pod jego kierunkiem Mathematics Statistical Service, czyli pracownię konsultacji i obliczeń (Iowa State University Library, b.d.).

W 1933 r. pracownia przekształciła się w Laboratorium Statystyczne, a Snedecor został jego pierwszym dyrektorem. Do powstania tak wczesnej jednostki przyczynili się, według Davida (1998), Wallace i Ronald Fisher. Laboratorium kierował do 30 czerwca 1947 r.; 1 lipca 1947 r. powstał wydział statystyki, w którym Snedecor był profesorem do 1958 r. (O’Connor i Robertson, 2010). W 1948 r. był prezesem American Statistical Association – jako pierwszy przedstawiciel badań rolniczych na tym stanowisku. Potem doradzał laboratorium marynarki wojennej w San Diego. Zmarł 15 lutego 1974 r. w Amherst w stanie Massachusetts (Iowa State University Library, b.d.).

Najważniejsze pomysły

  • Tablice rozkładu F (1934). W monografii o obliczaniu i interpretacji analizy wariancji i kowariancji Snedecor oznaczył rozkład ilorazu dwóch średnich kwadratów literą F; Fisher posługiwał się w tym miejscu wielkością z (Snedecor, 1934, 1946). Dziś rozkład F stoi za każdym testem w tabeli ANOVA.
  • Podręcznik dla praktyków (1937). Statistical Methods pisał dla początkujących eksperymentatorów: jedyną matematyką w książce miała być arytmetyka (Snedecor, 1946). Za jego życia podręcznik miał siedem wydań i wiele przekładów (Iowa State University Library, b.d.). Później współautorem został William G. Cochran, któremu Snedecor dziękował za pomoc już w przedmowie z 1940 r. (Snedecor, 1946).
  • Statystyka jako usługa dla nauki. Pracownia z 1927 r. prowadziła konsultacje i obliczenia dla całej uczelni (Iowa State University Library, b.d.). W laboratorium pracowała m.in. Gertrude Cox, którą Snedecor w 1933 r. namówił do powrotu z Berkeley (Anderson, 1990).
  • Most między Fisherem a Ameryką. W przedmowie z 1937 r. Snedecor pisał, że Fisher dzięki pobytom w Iowa State jako profesor wizytujący i dzięki swoim pismom wywarł głęboki wpływ na techniki eksperymentalne i statystyczne uczelni (Snedecor, 1946).

Ciekawostka

Skąd litera F? Snedecor wyjaśnił to sam w podręczniku. Iloraz średniego kwadratu między grupami i średniego kwadratu wewnątrz grup ma rozkład odkryty przez Fishera, a Snedecor nazwał go F na jego cześć: „I named it F in his honor” (Snedecor, 1946, s. 219). Fisher tablicował ten rozkład w innej postaci, jako z = ln √F. Fisher i Yates w swoich tablicach mówili po prostu o ilorazie wariancji. Prasanta Chandra Mahalanobis, który według Snedecora pierwszy go policzył, oznaczał go literą x (Snedecor, 1946).

Sam Fisher nie nazwał więc swojego rozkładu literą F – nadał mu ją Snedecor. Stąd spotykane dziś nazwy: rozkład F Fishera, F Snedecora albo rozkład Fishera–Snedecora.

Przykład na historycznych danych

Zbiór Alfalfa z pakietu nlme pochodzi – według pliku pomocy – z siódmego wydania podręcznika Snedecora i Cochrana z 1980 r. To doświadczenie w układzie split-plot: trzy odmiany lucerny (Cossack, Ladak, Ranger) i cztery terminy trzeciego koszenia w 1943 r. (bez koszenia, 1 września, 20 września, 7 października). Doświadczenie założono w sześciu blokach; odmiany losowano na większe jednostki, a terminy – na cztery poletka w ich obrębie. Mierzono plon w 1944 r. w tonach z akra.

Średni plon był najniższy po koszeniu 1 września (od 1.30 do 1.41 t/akr) i najwyższy bez trzeciego koszenia (od 1.70 do 1.88 t/akr). Analiza wariancji daje dla terminu koszenia F(3, 45) = 23.39, p < .001. Średni kwadrat terminu (0.654) jest ponad 23 razy większy niż błędu podpoletek (0.028). Odmiany różnią się słabo, F(2, 10) = 0.65, p = .541 – tu mianownikiem jest zmienność całych poletek (0.136), a nie podpoletek. Interakcja nie jest istotna, F(6, 45) = 1.26, p = .297.

Ta sama decyzja w zapisie Fishera: z = ½ ln F = 1.576, a wartość krytyczna z dla α = .05 wynosi 0.517. W zapisie Snedecora wynik porównujemy wprost z F krytycznym 2.81. Czy statystyka naprawdę ma rozkład F? Losujemy terminy od nowa w obrębie każdego poletka, jak w doświadczeniu, 10 000 razy (set.seed(1934)). Przy prawdziwej H0 95. centyl takiego rozkładu wynosi 2.85 wobec 2.81 z tablic F, a próg 2.81 przekracza 5.2% losowań. Największe F z 10 000 losowań to 8.69, więc żadne nie zbliżyło się do obserwowanego 23.39.

Na rysunku

Oś czasu od 1881 do 1974: 1881 urodził się w Memphis; 1905 licencjat na University of Alabama; 1913 magisterium w Michigan i praca w Iowa State College; 1924 seminaria z Henrym A. Wallace’em; 1927 Mathematics Statistical Service; 1933 Laboratorium Statystyczne; 1934 książka o analizie wariancji z rozkładem F; 1937 Statistical Methods; 1947 koniec kierowania laboratorium; 1948 prezes ASA; 1958 emerytura i doktorat honorowy Iowa State; 1974 zmarł w Amherst. Rodzaj zdarzenia oznacza kształt i kolor znacznika: koło – życie, kwadrat – praca, romb – publikacja, trójkąt – wyróżnienie
Rysunek 1. Oś czasu: George W. Snedecor (1881–1974). Lata według Iowa State University Library (b.d.), O’Connora i Robertsona (2010) oraz dat publikacji. Rysunek: R, pakiet ggplot2.

Co widać. Prawie całe zawodowe życie Snedecora to Iowa State – od asystenta matematyki po dyrektora laboratorium.

Na co uważać. Rok prezesury ASA podajemy za archiwum Iowa State (1948); MacTutor podaje 1947.

Podpis do pracy:

Rysunek 1. Najważniejsze daty z życia i pracy George’a W. Snedecora (1881–1974). Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, praca, publikacja, wyróżnienie).
Dwa panele. A: średni plon lucerny w 1944 roku (t/akr) dla czterech terminów trzeciego koszenia w 1943 roku, osobna linia dla każdej odmiany (Cossack – niebieskie koła, Ladak – pomarańczowe trójkąty, Ranger – zielone kwadraty) na tle półprzezroczystych pojedynczych poletek; wszystkie trzy linie mają dołek przy koszeniu 1 września (około 1.3–1.4) i najwyższe wartości bez koszenia (1.7–1.9). B: histogram wartości F dla terminu koszenia z 10 000 losowań terminów w obrębie poletek, prawoskośny ze szczytem około 0.3; na nim niebieska krzywa gęstości rozkładu F(3, 45), która dobrze pokrywa się z histogramem; pionowa przerywana linia wartości krytycznej 2.81; napis informuje, że obserwowane F = 23.4 leży poza osią
Rysunek 2. Plon lucerny według terminu trzeciego koszenia i odmiany (A) oraz rozkład statystyki F dla terminu koszenia przy losowym przydziale terminów i krzywa F(3, 45) (B). Dane: nlme::Alfalfa (z podręcznika Snedecora i Cochrana, wyd. 7, 1980). Obliczenia i rysunek: R, pakiety nlme, ggplot2 i patchwork (set.seed(1934), 10 000 losowań).

Co widać. W panelu A linie odmian są prawie równoległe, stąd słaba interakcja. W panelu B histogram z losowań prawie pokrywa się z krzywą F(3, 45).

Na co uważać. Losowania sprawdzają tylko test dla terminu, nie dla odmian. Krzywa F zakłada normalność i równe wariancje; przy małych, skośnych danych może odbiegać od rozkładu z losowań.

Podpis do pracy:

Rysunek 2. Średni plon lucerny w 1944 r. (t/akr) według terminu trzeciego koszenia w 1943 r. i odmiany (A) oraz rozkład statystyki F dla terminu koszenia przy 10 000 losowych przydziałach terminów w obrębie poletek na tle gęstości rozkładu F(3, 45) (B). Uwaga. Dane z doświadczenia split-plot opisanego w 7. wydaniu podręcznika Snedecora i Cochrana (zbiór Alfalfa z pakietu nlme); linia przerywana – wartość krytyczna F dla α = .05; obserwowane F = 23.39 leży poza zakresem osi.

Gdzie spotkasz Snedecora w swojej pracy

  • Każda tabela ANOVA. Zapis F(2, 57) = 4.21 to iloraz średnich kwadratów porównany z rozkładem F o dwóch liczbach stopni swobody. Wartości krytyczne znajdziesz w tablicach rozkładów t, χ² i F.
  • Plany z blokami i poletkami. Bloki i split-plot wywodzą się z doświadczeń polowych. Przykłady Snedecora i Cochrana są w pakietach R.
  • Testy randomizacyjne. Gdy wątpisz w założenia testu F, możesz porównać wynik z rozkładem z losowań, jak w przykładzie – zob. test permutacyjny.

Spory, mity i trudne strony

  • „F Fishera” czy „F Snedecora”? Obie nazwy mają uzasadnienie: rozkład wyprowadził Fisher, ale literę F i tablice w tej postaci wprowadził Snedecor, a pierwsze obliczenia przypisywał Mahalanobisowi (Snedecor, 1946).
Przykład reprodukowalny

Rozkład F na danych o lucernie w R

Kod liczy średnie plony, analizę wariancji dla schematu split-plot, statystykę F dla terminu koszenia ręcznie z sum kwadratów, jej odpowiednik z Fishera i rozkład F z 10 000 losowych przydziałów terminów w obrębie poletek. Rysuje też 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. Ziarno: set.seed(1934); punkty pojedynczych poletek w panelu A są lekko rozsunięte w poziomie (geom_jitter).

1. Analiza wariancji i rozkład F: rysunek 2

Dane wejściowe: data(Alfalfa, package = "nlme") – 72 poletka: 3 odmiany × 4 terminy koszenia × 6 bloków (z 7. wydania podręcznika Snedecora i Cochrana, według pliku pomocy).

Co odczytać: tabelę średnich; tabelę ANOVA w trzech warstwach błędu; F i p dla terminu koszenia policzone ręcznie; F i z z wartościami krytycznymi; 95. centyl rozkładu z losowań wobec F(3, 45), odsetek losowań powyżej 2.81, p z losowań i największe F z losowań.

Kod R rysunku 2
# Rozkład F na danych rolniczych: lucerna (Snedecor i Cochran), doświadczenie split-plot
# iloraz średnich kwadratów, F Snedecora a z Fishera, rozkład randomizacyjny F a teoretyczny F
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
data(Alfalfa, package = "nlme")
lucerna <- as.data.frame(Alfalfa)          # Yield: plon w 1944 r. (t/akr), Date: termin trzeciego koszenia w 1943 r.
kol <- c(Cossack = "#0072B2", Ladak = "#E69F00", Ranger = "#009E73")   # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
  theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")

# 1. Średnie plony: termin koszenia × odmiana
round(with(lucerna, tapply(Yield, list(Variety, Date), mean)), 3)

# 2. ANOVA dla schematu split-plot: odmiany na poletkach głównych w blokach, terminy koszenia na podpoletkach
model <- aov(Yield ~ Variety * Date + Error(Block / Variety), data = lucerna)
summary(model)

# 3. F jako iloraz średnich kwadratów – ręcznie dla terminu koszenia (warstwa podpoletek)
lucerna$poletko <- interaction(lucerna$Block, lucerna$Variety)
sredniaP <- ave(lucerna$Yield, lucerna$poletko)                      # średnia poletka głównego
SS_wewn <- sum((lucerna$Yield - sredniaP)^2)                          # zmienność wewnątrz poletek głównych
F_terminu <- function(y, termin) {
  m <- mean(y)
  sr_t <- ave(y, termin); sr_v <- ave(y, lucerna$Variety); sr_vt <- ave(y, lucerna$Variety, termin)
  SS_t <- sum((sr_t - m)^2)                                           # termin koszenia (3 df)
  SS_vt <- sum((sr_vt - sr_v - sr_t + m)^2)                           # interakcja odmiana × termin (6 df)
  SS_res <- SS_wewn - SS_t - SS_vt                                    # błąd podpoletek (45 df)
  (SS_t / 3) / (SS_res / 45)
}
F_obs <- F_terminu(lucerna$Yield, lucerna$Date)
round(F_obs, 3)
signif(pf(F_obs, 3, 45, lower.tail = FALSE), 3)   # p z rozkładu F(3, 45)

# 4. Ta sama decyzja w zapisie Fishera: z = ½·ln F (Fisher tablicował z, Snedecor – samo F)
z_obs <- 0.5 * log(F_obs); z_kryt <- 0.5 * log(qf(0.95, 3, 45))
round(c(F = F_obs, F_krytyczne = qf(0.95, 3, 45), z = z_obs, z_krytyczne = z_kryt), 4)

# 5. Rozkład randomizacyjny: terminy koszenia losowane od nowa wewnątrz każdego poletka głównego
set.seed(1934)
B <- 10000
poletka <- split(seq_len(nrow(lucerna)), lucerna$poletko)
F_perm <- replicate(B, {
  termin <- lucerna$Date
  for (i in poletka) termin[i] <- sample(termin[i])
  F_terminu(lucerna$Yield, termin)
})
round(c(kwantyl_95_randomizacja = unname(quantile(F_perm, 0.95)), kwantyl_95_F = qf(0.95, 3, 45),
        P_F_powyzej_2.81_randomizacja = mean(F_perm >= qf(0.95, 3, 45)),
        p_randomizacyjne = mean(F_perm >= F_obs), max_F_perm = max(F_perm)), 4)

# Rysunek: A – średnie plony według terminu koszenia i odmiany; B – rozkład randomizacyjny F i krzywa F(3, 45)
sr <- aggregate(Yield ~ Variety + Date, data = lucerna, FUN = mean)
pA <- ggplot(sr, aes(Date, Yield, colour = Variety, shape = Variety, group = Variety)) +
  geom_jitter(data = lucerna, aes(Date, Yield, colour = Variety, shape = Variety), inherit.aes = FALSE,
              width = 0.12, height = 0, alpha = 0.35, size = 1.8) +
  geom_line(linewidth = 0.9) + geom_point(size = 3.2) +
  scale_colour_manual(values = kol, name = "Odmiana") + scale_shape_manual(values = c(16, 17, 15), name = "Odmiana") +
  scale_x_discrete(labels = c(None = "bez\nkoszenia", S1 = "1 IX", S20 = "20 IX", O7 = "7 X")) +
  labs(title = "A. Plon lucerny w 1944 r.", x = "Termin trzeciego koszenia w 1943 r.", y = "Plon (t/akr)") +
  motyw
x <- seq(0.001, 8, by = 0.01)
pB <- ggplot(data.frame(F = F_perm), aes(F)) +
  geom_histogram(aes(y = after_stat(density)), binwidth = 0.2, boundary = 0, fill = "grey80", colour = "white") +
  geom_line(data = data.frame(F = x, g = df(x, 3, 45)), aes(F, g), colour = "#0072B2", linewidth = 1) +
  geom_vline(xintercept = qf(0.95, 3, 45), linetype = "22", colour = "grey30") +
  annotate("text", x = qf(0.95, 3, 45) + 0.1, y = 0.62, hjust = 0, size = 3.6,
           label = "wartość krytyczna\nF(3, 45) = 2.81") +
  annotate("text", x = 8, y = 0.25, hjust = 1, size = 3.6,
           label = paste0("obserwowane F = ", round(F_obs, 1), "\n(poza osią) →")) +
  coord_cartesian(xlim = c(0, 8)) +
  labs(title = "B. F dla terminu koszenia, gdy H0 prawdziwa", x = "F",
       y = "Gęstość", caption = "Słupki: 10 000 losowań terminów w poletkach; linia: rozkład F(3, 45)") +
  motyw
p2 <- pA + pB + plot_layout(widths = c(1, 1.1))
p2
Wynik w R
         None    S1   S20    O7
Cossack 1.765 1.302 1.577 1.643
Ladak   1.875 1.307 1.663 1.820
Ranger  1.703 1.413 1.483 1.610

Error: Block
          Df Sum Sq Mean Sq F value Pr(>F)
Residuals  5   4.15    0.83               

Error: Block:Variety
          Df Sum Sq Mean Sq F value Pr(>F)
Variety    2  0.178 0.08901   0.653  0.541
Residuals 10  1.362 0.13623               

Error: Within
             Df Sum Sq Mean Sq F value   Pr(>F)    
Date          3 1.9625  0.6542  23.390 2.83e-09 ***
Variety:Date  6 0.2106  0.0351   1.255    0.297    
Residuals    45 1.2585  0.0280                     
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
[1] 23.39
[1] 2.83e-09
          F F_krytyczne           z z_krytyczne 
    23.3897      2.8115      1.5761      0.5169 
      kwantyl_95_randomizacja                  kwantyl_95_F 
                       2.8539                        2.8115 
P_F_powyzej_2.81_randomizacja              p_randomizacyjne 
                       0.0520                        0.0000 
                   max_F_perm 
                       8.6940 

2. Oś czasu: rysunek 1

Dane wejściowe: zdarzenia z latami według cytowanych źródeł, wpisane ręcznie.

Co odczytać: nic – kod tylko rysuje oś czasu.

Kod R rysunku 1
# Oś czasu: George W. Snedecor (1881–1974) – lata według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
  rok = c(1881, 1905, 1913, 1924, 1927, 1933, 1934, 1937, 1947, 1948, 1958, 1974),
  opis = c("urodził się\nw Memphis", "licencjat\n(Alabama)", "magisterium (Michigan);\nIowa State College",
           "seminaria\nz H. A. Wallace'em", "Mathematics\nStatistical Service", "Laboratorium\nStatystyczne",
           "książka o analizie\nwariancji (F)", "Statistical\nMethods", "koniec kierowania\nlaboratorium",
           "prezes ASA", "emerytura; doktorat\nh.c. Iowa State", "zmarł\nw Amherst"),
  rodzaj = c("życie", "życie", "praca", "praca", "praca", "praca", "publikacja", "publikacja", "praca",
             "wyróżnienie", "wyróżnienie", "życie"),
  poziom = c(0.5, -0.5, 1.3, -1.5, 0.5, -0.5, 1.3, -1.5, 0.5, -0.5, 1.3, -1.5),   # wysokość etykiety
  wyrownanie = c(0.2, 0.5, 0.6, 0.6, 0.7, 0.6, 0.3, 0.3, 0.4, 0.3, 0.5, 0.7))
zdarzenia$etykieta <- paste0(zdarzenia$rok, "\n", zdarzenia$opis)
ksztalty <- c("życie" = 21, "praca" = 22, "publikacja" = 23, "wyróżnienie" = 24)
kolory <- c("życie" = "grey40", "praca" = "#0072B2", "publikacja" = "#D55E00", "wyróżnienie" = "#009E73")   # 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 = poziom), colour = "grey70") +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 3.8, colour = "black") +
  geom_text(aes(y = poziom + 0.06 * sign(poziom), label = etykieta, vjust = ifelse(poziom > 0, 0, 1), hjust = wyrownanie),
            size = 3.1, lineheight = 0.88) +
  scale_shape_manual(values = ksztalty, name = NULL) +
  scale_fill_manual(values = kolory, name = NULL) +
  scale_x_continuous(limits = c(1876, 1980), breaks = seq(1880, 1970, by = 10)) +
  scale_y_continuous(limits = c(-2.4, 2.2)) +
  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")
p1

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (analiza wariancji – aov(), rozkład F – pf(), qf(), df() z pakietu stats; dane – pakiet nlme; 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. nlme (wersja 3.1.168): Pinheiro, J., Bates, D., & R Core Team. (2025). nlme: Linear and nonlinear mixed effects models [R package]. https://doi.org/10.32614/CRAN.package.nlme
  3. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  4. 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 George W. Snedecor?

Amerykańskim statystykiem (1881–1974) z Iowa State College w Ames. W 1933 r. został pierwszym dyrektorem tamtejszego Laboratorium Statystycznego, w 1937 r. wydał podręcznik Statistical Methods, a w 1948 r. był prezesem American Statistical Association (Iowa State University Library, b.d.).

Dlaczego rozkład F nazywa się F?

Bo tak nazwał go Snedecor na cześć Ronalda Fishera, który odkrył ten rozkład. Sam Fisher tablicował go w postaci z = ln √F, a Mahalanobis, który według Snedecora pierwszy go policzył, oznaczał go literą x (Snedecor, 1946, s. 219).

Czym różni się F Snedecora od z Fishera?

Tylko zapisem: z = ½ ln F, więc oba prowadzą do tej samej decyzji. W przykładzie z lucerną F(3, 45) = 23.39 przy wartości krytycznej 2.81, a w zapisie Fishera z = 1.576 przy wartości krytycznej 0.517.

Co to było Laboratorium Statystyczne w Iowa State?

Jednostka utworzona w 1933 r. z pracowni konsultacji i obliczeń statystycznych z 1927 r., kierowana przez Snedecora do 1947 r. Doradzała badaczom całej uczelni; pracowała w niej m.in. Gertrude Cox (Anderson, 1990; David, 1998).

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. Anderson, R. L. (1990). Gertrude Mary Cox, January 13, 1900–October 17, 1978. In Biographical memoirs: Volume 59 (pp. 117–132). National Academy Press. https://www.nasonline.org/wp-content/uploads/2024/10/Cox_Gertrude.pdf
  2. David, H. A. (1998). Statistics in U.S. universities in 1933 and the establishment of the Statistical Laboratory at Iowa State. Statistical Science, 13(1), 66–74. https://doi.org/10.1214/ss/1028905974 ● Otwarty dostęp
  3. Iowa State University Library, Special Collections Department. (b.d.). George Waddel Snedecor papers, 1925–1978 (RS 13/24/51): Biographical note. Iowa State University Library Special Collections and University Archives. Pobrano 22 listopada 2026 z https://findingaids.lib.iastate.edu/spcl/arch/rgrp/13-24-51.html ● Otwarty dostęp
  4. O’Connor, J. J., & Robertson, E. F. (2010). George Waddel Snedecor. MacTutor History of Mathematics Archive. https://mathshistory.st-andrews.ac.uk/Biographies/Snedecor/ ● Otwarty dostęp
  5. Snedecor, G. W. (1934). Calculation and interpretation of analysis of variance and covariance. Collegiate Press.
  6. Snedecor, G. W. (1946). Statistical methods applied to experiments in agriculture and biology (4th ed.). Iowa State College Press. https://archive.org/details/dli.ernet.233798 ● Otwarty dostęp

Cytowania BibTeX

@incollection{anderson1990gertrude, author={Anderson, Richard L.}, title={{Gertrude Mary Cox, January 13, 1900–October 17, 1978}}, booktitle={Biographical memoirs: Volume 59}, year={1990}, pages={117--132}, publisher={National Academy Press}, url={https://www.nasonline.org/wp-content/uploads/2024/10/Cox_Gertrude.pdf}}
@article{david1998statistics, author={David, Herbert A.}, title={{Statistics in U.S. universities in 1933 and the establishment of the Statistical Laboratory at Iowa State}}, journal={Statistical Science}, year={1998}, volume={13}, number={1}, pages={66--74}, doi={10.1214/ss/1028905974}}
@misc{iowastatesnedecorpapersnd, author={{Iowa State University Library, Special Collections Department}}, title={{George Waddel Snedecor papers, 1925–1978 (RS 13/24/51): Biographical note}}, howpublished={Iowa State University Library Special Collections and University Archives}, publisher={Iowa State University Library}, url={https://findingaids.lib.iastate.edu/spcl/arch/rgrp/13-24-51.html}}
@misc{oconnor2010snedecor, author={O'Connor, John J. and Robertson, Edmund F.}, title={{George Waddel Snedecor}}, howpublished={MacTutor History of Mathematics Archive}, year={2010}, publisher={University of St Andrews, School of Mathematics and Statistics}, url={https://mathshistory.st-andrews.ac.uk/Biographies/Snedecor/}}
@book{snedecor1934calculation, author={Snedecor, George W.}, title={{Calculation and interpretation of analysis of variance and covariance}}, year={1934}, publisher={Collegiate Press}}
@book{snedecor1946statistical, author={Snedecor, George W.}, title={{Statistical methods applied to experiments in agriculture and biology}}, year={1946}, edition={4}, publisher={Iowa State College Press}, url={https://archive.org/details/dli.ernet.233798}}
R