Kim była Gertrude M. Cox?
Gertrude Mary Cox (1900–1978) była amerykańską statystyczką, specjalistką od planowania eksperymentów, współautorką podręcznika Experimental Designs i twórczynią ośrodka statystyki w Karolinie Północnej. Urodziła się 13 stycznia 1900 r. na farmie niedaleko Dayton w stanie Iowa. Zanim zajęła się statystyką, chciała pracować z dziećmi: przez dwa lata była wychowawczynią w sierocińcu w Montanie, a studia w Iowa State College podjęła, by zostać jego kierowniczką (Anderson, 1990).
Wybrała matematykę, a w czasie studiów pracowała w pracowni obliczeniowej George’a Snedecora. Licencjat uzyskała w 1929 r., a w 1931 r. – pierwszy w historii Iowa State tytuł magistra ze statystyki. Przez dwa lata studiowała statystykę psychologiczną w Berkeley, ale w 1933 r. Snedecor namówił ją do powrotu do nowego Laboratorium Statystycznego w Iowa State. Od 1934 r. prowadziła tam kurs planowania eksperymentów, obowiązkowy dla wielu doktorantów nauk rolniczych. Doktoratu nie skończyła – jak pisze Anderson (1990), nie pozwoliły na to obowiązki dydaktyczne i konsultacyjne.
Anderson (1990) przytacza anegdotę z 1940 r.: gdy Snedecor miał polecić kandydatów na kierownika nowej katedry statystyki eksperymentalnej w North Carolina State College, Cox zapytała, dlaczego na jego liście są sami mężczyźni. Snedecor dopisał jej nazwisko i to ją wybrano. Katedrą kierowała od 1 listopada 1940 r. W 1944 r. dzięki grantowi General Education Board założyła Instytut Statystyki, do którego ściągnęła m.in. Williama G. Cochrana; rok później powstała katedra statystyki matematycznej w Chapel Hill. Pomogła też utworzyć katedrę biostatystyki w szkole zdrowia publicznego i laboratorium psychometryczne. W 1960 r. przeszła do Research Triangle Institute, gdzie do 1965 r. kierowała działem badań statystycznych, z dużym zespołem badań sondażowych.
Była współzałożycielką Międzynarodowego Towarzystwa Biometrycznego (1947), redaktorką czasopisma Biometrics w latach 1947–1955 i prezeską towarzystwa w latach 1968–1969, a w 1956 r. przewodniczyła American Statistical Association. W 1975 r. została wybrana do National Academy of Sciences. Zmarła 17 października 1978 r. (Anderson, 1990).
Najważniejsze pomysły
- Planowanie eksperymentu przed zbieraniem danych. Na zaawansowanym kursie powtarzała trzy zasady: jasno określ cele, opisz szczegółowo zabiegi, wielkość i materiał doświadczenia, a plan analizy przygotuj przed rozpoczęciem badania (Anderson, 1990). To dzisiejszy schemat eksperymentalny i plan analizy z protokołu.
- Randomizacja, replikacja i kontrola. W podręczniku z Cochranem randomizację porównano do ubezpieczenia: chroni przed zakłóceniami, których badacz się nie spodziewa (Cochran i Cox, 1950, s. 8, za: Anderson, 1990). Replikacja zwiększa dokładność porównań i pozwala oszacować błąd eksperymentu, a dokładność poprawia m.in. dobór schematu, wielkość poletka i dodatkowe pomiary, czyli zmienne towarzyszące – podstawa ANCOVA.
- Podręcznik i schematy. Experimental Designs (Cochran i Cox, 1950; wyd. 2 – 1957) wyrósł z materiałów jej kursu, zbudowanego wokół wielu konkretnych doświadczeń (Anderson, 1990). Sama badała m.in. układy bloków niekompletnych – w 1940 r. opublikowała pracę o wyliczaniu i konstrukcji zrównoważonych układów bloków niekompletnych (Cox, 1940).
- Statystyka jako służba dla nauki. Przemówienie prezeski American Statistical Association, wygłoszone w Detroit we wrześniu 1956 r., zatytułowała Statistical Frontiers (Cox, 1957). Anderson (1990) podkreśla, że jej najważniejszym wkładem było budowanie programów: konsultacji dla badaczy, kursów, pracowni obliczeniowych.
Przykład na historycznych danych
Zbiór npk z pakietu datasets to, według pliku pomocy, klasyczne doświadczenie czynnikowe z groszkiem: azot (N), fosfor (P) i potas (K) na 24 poletkach w 6 blokach po 4 poletka. W każdym bloku dwa poletka dostały azot, a dwa nie. Średni plon bloków wahał się od 50.12 do 60.77 funta z poletka.
Ten sam model analizujemy dwa razy. Bez czynnika bloku – jak gdyby był to plan całkowicie losowy – efekt azotu wynosi 5.62 funta, SE = 2.21, 95% CI [1.02, 10.22], F(1, 20) = 6.49, p = .019. Z blokami efekt jest taki sam, bo azot rozłożono po równo w każdym bloku, ale SE spada do 1.63, przedział zwęża się do [2.13, 9.10], a F(1, 15) = 11.82, p = .004. Średni kwadrat błędu maleje z 29.17 do 16.01: różnice między blokami (F(5, 15) = 4.29, p = .013) przestały być liczone jako błąd. Efekt potasu zmienia się z p = .086 na p = .028. Bloki kosztują 5 stopni swobody błędu, ale tu się opłaciły.
Na rysunku
Co widać. Większość zdarzeń to stanowiska i instytucje, a nie publikacje – zgodnie z tym, jak jej dorobek opisuje Anderson (1990). Najgęściej jest w latach 1940–1950, gdy budowała ośrodek statystyki w Karolinie Północnej.
Na co uważać. Oś pomija m.in. kurs planowania eksperymentów (od 1934 r.) i przewodnictwo w American Statistical Association (1956). Daty pochodzą z jednego źródła.
Podpis do pracy:
datasets::npk. Rysunek: R, pakiety ggplot2 i patchwork.Co widać. Na panelu A całe bloki leżą wyżej albo niżej – blok 3 ma średnio o ponad 10 funtów więcej niż blok 4. W każdym bloku trójkąty (z azotem) są zwykle wyżej niż kółka. Panel B pokazuje skutek: ta sama różnica 5.62 funta ma węższy przedział, gdy analiza odejmuje zmienność między blokami.
Na co uważać. Analizę musisz dopasować do sposobu losowania: jeśli zabiegi losowano w blokach, blok należy do modelu, a wersja „bez bloków” służy tu tylko do porównania. W tym doświadczeniu interakcja N × P × K jest, według pliku pomocy, pomieszana z blokami, więc modelu z blokami nie da się jej oszacować.
Podpis do pracy:
Gdzie spotkasz Gertrude Cox w swojej pracy
- Plan eksperymentu. Grupowanie jednostek w bloki podobnych (klasy, dni, laboratoria) i losowanie warunków w każdym bloku to praktyczne dziedzictwo kursów planowania eksperymentów. Gdy czynniki zakłócające są dwa, sięga się po kwadrat łaciński, a gdy jeden czynnik trudno zmieniać – po schemat split-plot. W badaniach klinicznych pokrewny pomysł to randomizacja blokowa.
- Analiza. Blok wchodzi do analizy wariancji jako dodatkowy czynnik; zmniejsza średni kwadrat błędu i błąd standardowy efektów, jak w przykładzie. Wynik zapisz w tabeli ANOVA w APA.
- Plany czynnikowe. Doświadczenie
npkto plan 2 × 2 × 2 w blokach; więcej o takich układach w haśle frakcyjny schemat czynnikowy i we wpisie eksperyment czynnikowy i frakcyjny.
Spory, mity i trudne strony
Dwóch Coxów. Gertrude M. Cox nie jest autorką modelu proporcjonalnych hazardów – opisał go David R. Cox (1972); zob. hasło David R. Cox. Źródła, z których korzystamy, nie wspominają o żadnym pokrewieństwie.
Kobieta na czele katedry. Anderson (1990) opisuje, że dziekan w Iowa State przekonywał ją w 1940 r., że kobieta nie zostanie zaakceptowana jako kierowniczka katedry na Południu. Wcześniej wydział matematyki nie przyznał jej asystentury, bo była kobietą, więc studia magisterskie finansowała z asystentur w psychologii i sztuce.
Bloki w doświadczeniu npk w R
Kod rysuje oś czasu i porównuje dwie analizy tego samego doświadczenia npk: bez czynnika bloku (jak w planie całkowicie losowym) i z blokami. Niczego nie losuje. Rysunki na stronie powstały z tych samych obiektów p1 i p2 z krojem i tłem serwisu; dane, geometrie i skale są identyczne.
Oś czasu i analiza z blokami i bez bloków
Kod R rysunków 1 i 2 i obliczeń
# Gertrude M. Cox: oś czasu i to, co bloki robią z błędem eksperymentu (dane npk)
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
kol <- c(zycie = "#000000", stanowisko = "#0072B2", praca = "#D55E00", szary = "grey55") # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")
# Rysunek 1: oś czasu (daty: Anderson, 1990)
zd <- data.frame(
rok = c(1900, 1931, 1933, 1940, 1944, 1947, 1950, 1960, 1975, 1978),
etykieta = c("narodziny\nw Iowa", "pierwsze magisterium ze\nstatystyki w Iowa State", "Laboratorium Statystyczne\nIowa State",
"kierowniczka katedry\nw North Carolina State", "Instytut Statystyki\n(Karolina Północna)",
"współzałożycielka Tow. Biometrycznego;\nredaktorka Biometrics (do 1955)", "Experimental Designs\n(z Cochranem)",
"dział statystyki\nw Research Triangle Institute", "członkini National\nAcademy of Sciences", "śmierć"),
rodzaj = c("życie", "praca", "stanowisko", "stanowisko", "stanowisko", "stanowisko", "praca", "stanowisko", "stanowisko", "życie"),
y = c(1.2, -1.2, 2.4, -2.4, 1.2, -3.6, 3.6, -1.2, 1.2, -2.4))
zd$rodzaj <- factor(zd$rodzaj, levels = c("życie", "stanowisko", "praca"))
p1 <- ggplot(zd, aes(rok, 0)) +
geom_hline(yintercept = 0, colour = "grey40", linewidth = 0.6) +
geom_segment(aes(xend = rok, yend = y * 0.82), colour = "grey60", linewidth = 0.4) +
geom_point(aes(colour = rodzaj, shape = rodzaj), size = 3.4, stroke = 1.1) +
geom_label(aes(y = y, label = paste0(rok, "\n", etykieta), colour = rodzaj), size = 3.2, lineheight = 0.9,
linewidth = 0.3, fill = "white", show.legend = FALSE) +
scale_colour_manual(values = c("życie" = kol[["zycie"]], stanowisko = kol[["stanowisko"]], praca = kol[["praca"]]), name = NULL) +
scale_shape_manual(values = c("życie" = 16, stanowisko = 15, praca = 17), name = NULL) +
scale_x_continuous(breaks = seq(1900, 1980, 10), limits = c(1893, 1985)) +
scale_y_continuous(limits = c(-4.2, 4.2)) +
labs(title = "Gertrude M. Cox (1900–1978)", x = NULL, y = NULL) +
motyw + theme(axis.text.y = element_blank(), panel.grid.major.y = element_blank())
# Przykład: doświadczenie czynnikowe N, P, K z groszkiem w 6 blokach po 4 poletka (datasets::npk)
data(npk, package = "datasets")
with(npk, table(blok = block, azot = N))
round(tapply(npk$yield, npk$block, mean), 2) # średni plon w blokach (funty z poletka)
bez_blokow <- lm(yield ~ N + P + K, data = npk) # analiza jak w planie całkowicie losowym
z_blokami <- lm(yield ~ block + N + P + K, data = npk) # analiza z blokami
anova(bez_blokow)
anova(z_blokami)
efekt_N <- rbind(bez_blokow = c(coef(bez_blokow)["N1"], SE = summary(bez_blokow)$coef["N1", 2], confint(bez_blokow)["N1", ]),
z_blokami = c(coef(z_blokami)["N1"], SE = summary(z_blokami)$coef["N1", 2], confint(z_blokami)["N1", ]))
round(efekt_N, 2)
c(MS_bledu_bez = sigma(bez_blokow)^2, MS_bledu_z = sigma(z_blokami)^2) |> round(2)
npk$azot <- factor(npk$N, levels = c("0", "1"), labels = c("bez azotu", "z azotem"))
srednie <- data.frame(block = factor(1:6), m = as.numeric(tapply(npk$yield, npk$block, mean)))
pA <- ggplot(npk, aes(block, yield)) +
geom_errorbar(data = srednie, aes(x = block, ymin = m, ymax = m), width = 0.6, colour = kol[["szary"]],
linewidth = 0.9, inherit.aes = FALSE) +
geom_point(aes(colour = azot, shape = azot), size = 3, stroke = 1.1, position = position_dodge(width = 0.35)) +
scale_colour_manual(values = c("bez azotu" = kol[["stanowisko"]], "z azotem" = kol[["praca"]]), name = NULL) +
scale_shape_manual(values = c("bez azotu" = 1, "z azotem" = 17), name = NULL) +
labs(title = "A. Plon na 24 poletkach", x = "Blok (szara kreska: średnia bloku)", y = "Plon groszku (funty z poletka)") + motyw
ef <- data.frame(model = factor(c("bez bloków", "z blokami"), levels = c("bez bloków", "z blokami")),
est = efekt_N[, 1], lo = efekt_N[, 3], hi = efekt_N[, 4])
pB <- ggplot(ef, aes(est, model)) +
geom_vline(xintercept = 0, colour = "grey40", linetype = "dashed") +
geom_errorbar(aes(xmin = lo, xmax = hi), orientation = "y", width = 0.15, linewidth = 0.9, colour = kol[["stanowisko"]]) +
geom_point(size = 3.4, shape = 15, colour = kol[["stanowisko"]]) +
geom_text(aes(label = sprintf("%.2f [%.2f; %.2f]", est, lo, hi)), vjust = -1.3, size = 3.6) +
labs(title = "B. Efekt azotu z 95% CI", x = "Różnica plonu: z azotem − bez azotu", y = NULL) + motyw
p2 <- pA + pB + plot_layout(widths = c(1.15, 1))
p1
p2Wynik w R
azot
blok 0 1
1 2 2
2 2 2
3 2 2
4 2 2
5 2 2
6 2 2
1 2 3 4 5 6
54.02 57.45 60.77 50.12 50.52 56.35
Analysis of Variance Table
Response: yield
Df Sum Sq Mean Sq F value Pr(>F)
N 1 189.28 189.282 6.4880 0.01919 *
P 1 8.40 8.402 0.2880 0.59743
K 1 95.20 95.202 3.2632 0.08592 .
Residuals 20 583.48 29.174
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
Analysis of Variance Table
Response: yield
Df Sum Sq Mean Sq F value Pr(>F)
block 5 343.30 68.659 4.2879 0.01272 *
N 1 189.28 189.282 11.8210 0.00366 **
P 1 8.40 8.402 0.5247 0.47999
K 1 95.20 95.202 5.9455 0.02767 *
Residuals 15 240.19 16.012
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
N1 SE 2.5 % 97.5 %
bez_blokow 5.62 2.21 1.02 10.22
z_blokami 5.62 1.63 2.13 9.10
MS_bledu_bez MS_bledu_z
29.17 16.01 Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (modele – funkcje lm(), anova() i confint() z pakietu stats; rysunki – pakiety ggplot2 i patchwork; dane z pakietu datasets dołączonego do R). 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 Gertrude Cox?
Amerykańską statystyczką (1900–1978), specjalistką od planowania eksperymentów. Od 1940 r. kierowała katedrą statystyki eksperymentalnej w North Carolina State College, założyła Instytut Statystyki, redagowała Biometrics i w 1975 r. została członkinią National Academy of Sciences.
Czy model Coxa wymyśliła Gertrude Cox?
Nie. Model proporcjonalnych hazardów opisał David R. Cox w 1972 r. Gertrude M. Cox zajmowała się planowaniem eksperymentów – to dwie różne osoby.
Co zawiera książka Experimental Designs Cochrana i Cox?
To podręcznik planowania doświadczeń z 1950 r. (wyd. 2 – 1957), który wyrósł z kursu prowadzonego przez Cox od 1934 r. w Iowa State. Kurs opierał się na wielu konkretnych doświadczeniach, a podręcznik podkreśla m.in. rolę randomizacji jako zabezpieczenia przed nieprzewidzianymi zakłóceniami.
Po co dzielić poletka lub osoby na bloki w eksperymencie?
Żeby różnice między blokami (np. polami, dniami, klasami) nie trafiały do błędu. W doświadczeniu npk uwzględnienie bloków zmniejszyło średni kwadrat błędu z 29.17 do 16.01, a błąd standardowy efektu azotu z 2.21 do 1.63 – przy tym samym efekcie.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Eksperyment czynnikowy i frakcyjny
Pięć składników interwencji w 16 warunkach: plan 2^(5−1), aliasy w FrF2, kodowanie −1/+1, liczebność na efekt i pułapka rozdzielczości III.
Czytaj →PoradnikANOVA krok po kroku
Jednoczynnikowa i dwuczynnikowa ANOVA na przykładach: założenia, test Welcha, post hoc, η² i ω², efekty proste, typy sum kwadratów i opis APA.
Czytaj →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)
- 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
- Cochran, W. G., & Cox, G. M. (1950). Experimental designs. Wiley.
- Cox, D. R. (1972). Regression models and life-tables. Journal of the Royal Statistical Society: Series B (Methodological), 34(2), 187–202. https://doi.org/10.1111/j.2517-6161.1972.tb00899.x
- Cox, G. M. (1940). Enumeration and construction of balanced incomplete block configurations. The Annals of Mathematical Statistics, 11(1), 72–85. https://doi.org/10.1214/aoms/1177731943 ● Otwarty dostęp
- Cox, G. M. (1957). Statistical frontiers. Journal of the American Statistical Association, 52(277), 1–12. https://doi.org/10.1080/01621459.1957.10501361 ● Otwarty dostęp: pełny tekst
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}}@book{cochran1950experimental, author={Cochran, William G. and Cox, Gertrude M.}, title={{Experimental designs}}, year={1950}, publisher={Wiley}}@article{cox1972regression, author={Cox, D. R.}, title={{Regression models and life-tables}}, journal={Journal of the Royal Statistical Society: Series B (Methodological)}, year={1972}, volume={34}, number={2}, pages={187--202}, doi={10.1111/j.2517-6161.1972.tb00899.x}}@article{cox1940enumeration, author={Cox, Gertrude M.}, title={{Enumeration and construction of balanced incomplete block configurations}}, journal={The Annals of Mathematical Statistics}, year={1940}, volume={11}, number={1}, pages={72--85}, doi={10.1214/aoms/1177731943}}@article{cox1957statistical, author={Cox, Gertrude M.}, title={{Statistical frontiers}}, journal={Journal of the American Statistical Association}, year={1957}, volume={52}, number={277}, pages={1--12}, doi={10.1080/01621459.1957.10501361}}