Słownik metodologiczny · Ludzie statystyki

Helen M. Walker (1891–1983) – historyczka statystyki, która wyjaśniła stopnie swobody

Helen M. Walker uczyła statystyki w Teachers College Uniwersytetu Columbia, napisała historię metod statystycznych (1929) i słynny artykuł o stopniach swobody (1940), a w 1944 r. jako pierwsza kobieta stanęła na czele American Statistical Association. Przeliczamy w R jej przykład z tabelą 5 × 3 i jej tabele rozkładu t.

Strona główna / Słownik / Helen M. Walker
W skrócie: Helen Mary Walker (1891–1983) – amerykańska statystyczka i badaczka edukacji z Teachers College Uniwersytetu Columbia, autorka historii metod statystycznych (1929) i artykułu „Degrees of freedom” (1940), w którym wyjaśniła stopnie swobody geometrycznie; w 1944 r. jako pierwsza kobieta została prezesem American Statistical Association.

Kim była Helen M. Walker?

Helen Mary Walker (1891–1983) była amerykańską statystyczką i badaczką edukacji. Urodziła się 1 grudnia 1891 r. w Keosauqua w stanie Iowa. W 1912 r. ukończyła Iowa Wesleyan College, a potem przez dziewięć lat uczyła matematyki w szkołach średnich w Iowa i Minnesocie. Według jej biogramu statystyką zainteresowała się, gdy trafiła na podręcznik, którego symboli nie rozumiała, i wtedy poszła na studia do Teachers College Uniwersytetu Columbia (Arshinoff, 2023).

W Teachers College uzyskała magisterium (1922) i doktorat (1929), a potem uczyła tam statystyki – najpierw jako assistant professor, od 1940 r. jako profesor. W 1957 r. musiała przejść na emeryturę ze względu na wiek, w latach 1958–1959 jako stypendystka Fulbrighta uczyła w Chile i Japonii. Od 1941 r. była fellow American Statistical Association (ASA), w 1944 r. – jej prezesem, a w 1949 r. stanęła na czele American Educational Research Association. Zmarła w styczniu 1983 r. (Arshinoff, 2023).

Najważniejsze pomysły

  • Historia metod. Doktorat ukazał się w maju 1929 r. jako książka Studies in the History of Statistical Method. Opisuje dzieje krzywej normalnej od Abrahama de Moivre’a przez astronomów do Queteleta, a także korelacji, pierwszych kursów statystyki w USA i terminów statystycznych (Walker, 1929).
  • Stopnie swobody bez mistyki. W artykule z 1940 r. zauważyła, że to pojęcie, kluczowe dla nowoczesnej teorii, wyjaśnia niewiele podręczników, a wiele z nich podaje przez to błędne wzory. Jego historię prowadzi od Gaussa, który dzielił sumę kwadratów błędów przez liczbę obserwacji pomniejszoną o liczbę szacowanych niewiadomych, przez pracę Studenta z 1908 r. do prac Fishera od 1915 r. (Walker, 1940).
  • Geometria próby. Koralik na drucie ma jeden stopień swobody, kropla rtęci na płaskiej powierzchni – dwa, komar w powietrzu – trzy. Próba N wyników to jeden punkt w przestrzeni N-wymiarowej, a każdy związek narzucony na wyniki, np. ustalona średnia, zamyka ten punkt w przestrzeni o jeden wymiar mniejszej. Stąd ogólna reguła: liczba stopni swobody to liczba obserwacji minus liczba niezależnych związków między nimi, czyli minus liczba parametrów oszacowanych z danych (Walker, 1940).
  • Kształcenie statystyków. Jako prezes ASA powołała Komitet Kształcenia Statystyków, z którego wyrosła później sekcja edukacji statystycznej stowarzyszenia (Arshinoff, 2023).

Ciekawostka

Pierwsza kobieta na czele ASA – w czasie wojny. W 1944 r. Walker została wybrana na prezesa American Statistical Association jako pierwsza kobieta w jego historii (Arshinoff, 2023). Swoje przemówienie prezesowskie wygłosiła 27 grudnia 1944 r. w Waszyngtonie, na 104. dorocznym zjeździe. Zaczęła od przypomnienia, że od ostatniego ogólnokrajowego spotkania minęły trzy lata: zjazdy z 1942 i 1943 r. odwołano głównie z powodu wojennych obciążeń transportu. Na tej samej kolacji przemawiał wiceprezydent Stanów Zjednoczonych Henry A. Wallace, którego tekst ukazał się w tym samym numerze czasopisma (Walker, 1945).

W książce z 1929 r. Walker opisała też własny sprawdzian: zapytała około stu słuchaczy kursu statystyki w edukacji, w którym 25-leciu odkryto krzywą normalną. Kilka osób wskazało XX wiek, większość – drugą połowę XIX wieku, a tylko trzy–cztery osoby pierwszą ćwierć XIX wieku. Poprawna odpowiedź to 12 listopada 1733 r., data krótkiego łacińskiego suplementu de Moivre’a (Walker, 1929).

Przykład na danych z artykułu

Swoją regułę Walker zilustrowała tabelą krzyżową 5 × 3: cecha A ma trzy kategorie, cecha B – pięć, N = 150 (Walker, 1940, s. 264). Liczby przepisaliśmy z jej rysunku 2; to przykład dydaktyczny, a artykuł nie podaje, skąd pochodzą dane. Liczebności oczekiwane liczy się z sum brzegowych, np. f′₁₁ = 20 · 40 / 150 = 5.33. Brzegi narzucają na 15 komórek 9 równań, ale niezależnych jest tylko 7, więc zostaje 15 − 7 = 8 stopni swobody – tyle samo, ile daje wzór (w − 1)(k − 1). Test chi-kwadrat daje χ²(8, N = 150) = 61.64, p < .001.

Czy na pewno 8, a nie 14 (15 komórek minus jedna suma)? Wylosowaliśmy 10 000 tabel o tych samych brzegach przy niezależności obu cech (ziarno 1940). Średnia statystyka chi-kwadrat wyniosła 8.02, a jej wariancja 15.65 – blisko 8 i 16, czyli średniej i wariancji rozkładu χ² z 8 stopniami swobody. Wartość krytyczną dla 8 df przekroczyło 4.7% tabel, a dla 14 df – 0.2%. Test z zawyżoną liczbą df byłby więc zbyt zachowawczy.

Druga część kodu sprawdza tabele rozkładu t z tego samego artykułu (s. 261). Pole w obu ogonach poza ±3 policzone w R zgadza się z wartościami Walker z dokładnością do 0.001 dla n = 2, 5 i 20; dla n = 1 R daje .2048 (Walker: .204), a dla n = 10 – .0133 (Walker: .014). W rozkładzie normalnym to pole wynosi .0027. Punkt, poza którym w obu ogonach leży 1% pola, to w R 63.657 przy 1 df i 2.750 przy 30 df (Walker: 63.6 i 2.75); dla rozkładu normalnego R daje 2.576, a Walker podała 2.56.

Na rysunku

Pozioma oś czasu od 1885 do 1990 z dziesięcioma zdarzeniami: 1891 urodziła się w stanie Iowa; 1912 licencjat w Iowa Wesleyan College; 1922 magisterium w Teachers College (Columbia); 1929 doktorat i książka Studies in the History of Statistical Method; 1940 artykuł Degrees of freedom i profesura w Teachers College; grudzień 1944 przemówienie prezes American Statistical Association; 1949 prezes American Educational Research Association; 1957 emerytura; 1958–1959 stypendium Fulbrighta w Chile i Japonii; 1983 zmarła. Rodzaj zdarzenia oznaczają kształt i kolor znacznika: koło – życie, kwadrat – nauka, romb – publikacja, trójkąt – funkcja w stowarzyszeniu, trójkąt odwrócony – praca
Rysunek 1. Oś czasu: Helen M. Walker, 1891–1983. Daty według Arshinoff (2023) i Walker (1929, 1940, 1945). Rysunek: R, pakiet ggplot2.

Co widać. Najważniejsze prace powstały w Teachers College w latach 1929–1944.

Na co uważać. Źródła podają różne dni śmierci w styczniu 1983 r., dlatego podajemy tylko miesiąc. W artykule z kwietnia 1940 r. Walker podpisała się jeszcze jako associate professor; profesurę uzyskała w tym samym roku (Arshinoff, 2023).

Podpis do pracy:

Rysunek 1. Najważniejsze daty z życia i pracy Helen M. Walker (1891–1983). Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, nauka, publikacja, funkcja, praca).
Dwa panele. A: szary histogram statystyki chi-kwadrat w 10 000 losowych tabel 5 na 3 o brzegach jak w tabeli Walker; na nim ciągła niebieska krzywa rozkładu chi-kwadrat z 8 stopniami swobody, która pokrywa się z histogramem, i przerywana pomarańczowa krzywa z 14 stopniami swobody, przesunięta w prawo; pionowa czarna linia przy 61.6 z podpisem tabela Walker. B: pole w obu ogonach rozkładu t poza plus minus 3 dla 1, 2, 5, 10 i 20 stopni swobody na skalach logarytmicznych; czarne koła połączone linią to wartości z R, zielone romby to wartości z tabeli Walker – nakładają się, od około 0.2 przy 1 df do 0.007 przy 20 df; kropkowana linia na poziomie 0.0027 dla rozkładu normalnego
Rysunek 2. Stopnie swobody w przykładach Walker (1940): rozkład chi-kwadrat w tabelach o ustalonych brzegach (A) i pole w ogonach rozkładu t (B). Obliczenia i rysunek: R, pakiety ggplot2 i patchwork (A – symulacja, ziarno 1940; B – wartości z tabeli Walker przepisane ze źródła).

Co widać. Histogram układa się wzdłuż krzywej χ² z 8 df, a nie z 14 df (A). Wartości Walker z 1940 r. leżą niemal dokładnie na wartościach z R, a im mniej stopni swobody, tym grubsze ogony rozkładu t (B).

Na co uważać. Symulacja zakłada stałe sumy brzegowe (losowanie z rozkładu hipergeometrycznego), tak jak rozumowanie Walker. W wydruku artykułu jedna suma brzegowa w równaniach ma 50 zamiast 45 widocznych na rysunku 2 – przyjęliśmy liczby z rysunku, które się sumują.

Podpis do pracy:

Rysunek 2. Rozkład statystyki chi-kwadrat w 10 000 tabel 5 × 3 o sumach brzegowych jak w przykładzie Walker (1940) przy niezależności cech (A) oraz pole w obu ogonach rozkładu t poza ±3 według tabeli Walker i według R (B). Uwaga. A: linia ciągła – rozkład χ² z 8 df, linia przerywana – z 14 df, pionowa linia – wartość dla tabeli Walker. B: skale logarytmiczne; linia kropkowana – rozkład normalny.

Gdzie spotkasz Walker w swojej pracy

Pomysły Walker wracają za każdym razem, gdy zapisujesz wynik testu:

Historię, którą opisywała Walker, poznasz też z haseł o Karlu Pearsonie i Gertrude Cox.

Przykład reprodukowalny

Stopnie swobody Walker w R

Kod wpisuje tabelę 5 × 3 i tabele rozkładu t z artykułu Walker (1940), liczy test chi-kwadrat i liczbę stopni swobody, losuje 10 000 tabel o tych samych brzegach (ziarno 1940), porównuje tabele Walker z wartościami z R 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.

1. Tabela 5 × 3 i tabele t: rysunek 2

Dane wejściowe: liczby przepisane z artykułu Walker (1940): tabela z rysunku 2 (s. 264) oraz tabele pola w ogonach i punktów 1% rozkładu t (s. 261); 10 000 tabel losowanych funkcją r2dtable() z ziarnem 1940.

Co odczytać: tabela z sumami brzegowymi; liczebności oczekiwane; χ², df i p; rachunek 15 − 7 = 8; średnia i wariancja symulowanego χ² oraz odsetek przekroczeń wartości krytycznych dla 8 i 14 df; tabele Walker obok wartości z R.

Kod R rysunku 2
# Helen M. Walker (1940) „Degrees of freedom”: tabela kontyngencji z jej artykułu i jej tabele rozkładu t
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
kol <- c(df8 = "#0072B2", df14 = "#D55E00", walker = "#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. Tabela z rys. 2 u Walker (1940, s. 264): cecha A (3 kategorie) × cecha B (5 kategorii), N = 150
tab <- matrix(c(12,  3,  5,
                 3,  6, 11,
                 3, 30,  2,
                 9, 14,  7,
                13,  7, 25), nrow = 5, byrow = TRUE,
              dimnames = list(B = paste0("B", 1:5), A = paste0("A", 1:3)))
addmargins(tab)
test <- chisq.test(tab)
round(test$expected, 2)                          # liczebności oczekiwane z brzegów; f'11 = 20 · 40 / 150
c(chi2 = round(unname(test$statistic), 2), df = unname(test$parameter))
signif(test$p.value, 3)                          # wartość p
# Stopnie swobody po Walker: 15 komórek minus 7 niezależnych związków narzuconych przez brzegi
c(komorki = length(tab), zwiazki = nrow(tab) + ncol(tab) - 1,
  df = length(tab) - (nrow(tab) + ncol(tab) - 1), df_wzor = (nrow(tab) - 1) * (ncol(tab) - 1))

# 2. Symulacja: 10 000 tabel z tymi samymi brzegami przy niezależności A i B (ziarno 1940)
set.seed(1940)
tabele <- r2dtable(10000, rowSums(tab), colSums(tab))
chi_sym <- vapply(tabele, function(t) suppressWarnings(unname(chisq.test(t)$statistic)), numeric(1))
round(c(srednia = mean(chi_sym), wariancja = var(chi_sym),
        powyzej_kryt_df8 = mean(chi_sym > qchisq(.95, 8)), powyzej_kryt_df14 = mean(chi_sym > qchisq(.95, 14))), 3)

# 3. Tabele rozkładu t u Walker (1940, s. 261) i te same wartości policzone w R
ogon <- data.frame(n = c(1, 2, 5, 10, 20), walker = c(.204, .096, .030, .014, .007))
ogon$R <- round(2 * pt(-3, ogon$n), 4)           # odsetek pola w obu ogonach poza ±3
ogon
round(2 * pnorm(-3), 4)                          # rozkład normalny (Walker: .0027)
punkt <- data.frame(n = c(1, 2, 3, 5, 10, 20, 30), walker = c(63.6, 9.9, 5.8, 4.0, 3.2, 2.8, 2.75))
punkt$R <- round(qt(.995, punkt$n), 3)           # punkt, poza którym w obu ogonach leży 1% pola
punkt
round(qnorm(.995), 3)                            # rozkład normalny (Walker: 2.56)

# Rysunek 2A: rozkład symulowanego chi-kwadrat i dwie krzywe: df = 8 (Walker) i df = 14 (bez szacowania brzegów)
krzywe <- data.frame(x = rep(seq(0.05, 65, by = 0.05), 2), df = rep(c("df = 8", "df = 14"), each = 1300))
krzywe$y <- dchisq(krzywe$x, ifelse(krzywe$df == "df = 8", 8, 14))
pA <- ggplot(data.frame(chi = chi_sym), aes(chi)) +
  geom_histogram(aes(y = after_stat(density)), binwidth = 1, boundary = 0, fill = "grey80", colour = "white") +
  geom_line(data = krzywe, aes(x, y, colour = df, linetype = df), linewidth = 1.1) +
  geom_vline(xintercept = unname(test$statistic), colour = "grey20") +
  annotate("text", x = unname(test$statistic) - 1, y = 0.08, hjust = 1, size = 3.3,
           label = sprintf("tabela Walker\nchi² = %.1f", unname(test$statistic))) +
  scale_colour_manual(values = c("df = 8" = kol[["df8"]], "df = 14" = kol[["df14"]]), name = NULL) +
  scale_linetype_manual(values = c("df = 8" = "solid", "df = 14" = "dashed"), name = NULL) +
  coord_cartesian(xlim = c(0, 65)) +
  labs(title = "A. Chi-kwadrat w 10 000 tabel o brzegach jak u Walker",
       x = "chi-kwadrat (przy niezależności A i B)", y = "Gęstość") +
  motyw
# Rysunek 2B: pole w obu ogonach poza ±3 – tabela Walker (romby) i R (koła z linią)
pB <- ggplot(ogon, aes(n)) +
  geom_hline(yintercept = 2 * pnorm(-3), linetype = "dotted", colour = "grey30") +
  annotate("text", x = 1, y = 0.0045, label = "rozkład normalny: .0027", hjust = 0, size = 3.2) +
  geom_line(aes(y = R), colour = "grey55") +
  geom_point(aes(y = R, shape = "R: 2 * pt(-3, n)"), size = 2.6, colour = "grey20") +
  geom_point(aes(y = walker, shape = "Walker (1940, s. 261)"), size = 4.2, colour = kol[["walker"]], stroke = 1.2) +
  scale_shape_manual(values = c("R: 2 * pt(-3, n)" = 16, "Walker (1940, s. 261)" = 5), name = NULL) +
  scale_x_log10(breaks = ogon$n) +
  scale_y_log10(breaks = c(.003, .01, .03, .1, .2), labels = c(".003", ".01", ".03", ".1", ".2")) +
  labs(title = "B. Rozkład t: pole poza ±3", x = "Stopnie swobody n (skala log.)", y = "Pole w obu ogonach (skala log.)") +
  motyw + guides(shape = guide_legend(nrow = 2))
p2 <- pA + pB + plot_layout(widths = c(1.5, 1))
p2
Wynik w R
     A
B     A1 A2 A3 Sum
  B1  12  3  5  20
  B2   3  6 11  20
  B3   3 30  2  35
  B4   9 14  7  30
  B5  13  7 25  45
  Sum 40 60 50 150
    A
B       A1 A2    A3
  B1  5.33  8  6.67
  B2  5.33  8  6.67
  B3  9.33 14 11.67
  B4  8.00 12 10.00
  B5 12.00 18 15.00
 chi2    df 
61.64  8.00 
[1] 2.22e-10
komorki zwiazki      df df_wzor 
     15       7       8       8 
          srednia         wariancja  powyzej_kryt_df8 powyzej_kryt_df14 
            8.017            15.652             0.047             0.002 
   n walker      R
1  1  0.204 0.2048
2  2  0.096 0.0955
3  5  0.030 0.0301
4 10  0.014 0.0133
5 20  0.007 0.0071
[1] 0.0027
   n walker      R
1  1  63.60 63.657
2  2   9.90  9.925
3  3   5.80  5.841
4  5   4.00  4.032
5 10   3.20  3.169
6 20   2.80  2.845
7 30   2.75  2.750
[1] 2.576

2. Oś czasu: rysunek 1

Dane wejściowe: dziesięć zdarzeń z datami według cytowanych źródeł, wpisanych ręcznie.

Co odczytać: nic – kod tylko rysuje oś czasu.

Kod R rysunku 1
# Oś czasu: Helen M. Walker, 1891–1983 – daty według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
  rok = c(1891.9, 1912, 1922, 1929.4, 1940.3, 1944.9, 1949, 1957, 1958.5, 1983),
  etykieta = c("1891", "1912", "1922", "1929", "1940", "XII 1944", "1949", "1957", "1958–1959", "1983"),
  opis = c("urodziła się\nw stanie Iowa", "licencjat, Iowa\nWesleyan College", "magisterium, Teachers\nCollege (Columbia)",
           "doktorat i książka „Studies\nin the History of\nStatistical Method”", "„Degrees of freedom”;\nprofesor w Teachers\nCollege",
           "przemówienie prezes\nAmerican Statistical\nAssociation", "prezes American\nEducational Research\nAssociation",
           "przechodzi na\nemeryturę", "stypendium Fulbrighta\n(Chile, Japonia)", "zmarła"),
  rodzaj = c("życie", "nauka", "nauka", "publikacja", "publikacja", "funkcja", "funkcja", "życie", "praca", "życie"))
zdarzenia$strona     <- c(1, -1, 1, -1, 1, -1, 1, -1, 1, -1)
zdarzenia$poziom     <- c(0.6, 0.6, 0.6, 0.6, 1.5, 1.5, 0.6, 0.6, 1.6, 0.6)
zdarzenia$wyrownanie <- c(0.3, 0.5, 0.5, 0.5, 0.5, 0.5, 0.5, 0.6, 0.5, 0.7)
ksztalty <- c("życie" = 21, "nauka" = 22, "publikacja" = 23, "funkcja" = 24, "praca" = 25)
kolory <- c("życie" = "grey40", "nauka" = "#56B4E9", "publikacja" = "#D55E00", "funkcja" = "#009E73", "praca" = "#0072B2")   # 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 * strona), colour = "grey70") +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 4, colour = "black") +
  geom_text(aes(y = (poziom + 0.07) * strona, label = paste0(etykieta, "\n", opis), vjust = ifelse(strona > 0, 0, 1), hjust = wyrownanie),
            size = 3.3, lineheight = 0.9) +
  scale_shape_manual(values = ksztalty, name = NULL) +
  scale_fill_manual(values = kolory, name = NULL) +
  scale_x_continuous(limits = c(1885, 1990), breaks = seq(1890, 1980, by = 10)) +
  scale_y_continuous(limits = c(-2.4, 2.6)) +
  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 (test chi-kwadrat – chisq.test(), losowanie tabel – r2dtable(), rozkłady – pt(), qt(), dchisq() z pakietu stats; 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 była Helen M. Walker?

Amerykańską statystyczką i badaczką edukacji (1891–1983). Uczyła matematyki w szkołach, w 1929 r. obroniła doktorat w Teachers College Uniwersytetu Columbia i uczyła tam statystyki do 1957 r.; w 1944 r. jako pierwsza kobieta została prezesem American Statistical Association (Arshinoff, 2023).

Co Helen Walker napisała o stopniach swobody?

W artykule z 1940 r. pokazała, że próbę N obserwacji można traktować jak punkt w przestrzeni N-wymiarowej, a każdy parametr oszacowany z danych zmniejsza liczbę wymiarów, w których punkt może się poruszać, o jeden. Liczba stopni swobody to liczba obserwacji minus liczba niezależnych związków między nimi (Walker, 1940).

Dlaczego w tabeli krzyżowej df = (w − 1)(k − 1)?

Bo liczebności oczekiwane liczy się z sum brzegowych. W przykładzie Walker (1940) z tabelą 5 × 3 brzegi narzucają 7 niezależnych związków na 15 komórek, więc zostaje 15 − 7 = 8 stopni swobody, tyle samo co (5 − 1)(3 − 1).

O czym jest książka „Studies in the History of Statistical Method”?

To historia pojęć używanych w statystyce w edukacji, wydana w 1929 r.: krzywej normalnej (od de Moivre’a), momentów, percentyli, korelacji i teorii dwóch czynników, a także nauczania statystyki na uniwersytetach amerykańskich i pochodzenia terminów statystycznych (Walker, 1929).

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. Arshinoff, S. (2023). Helen Walker. Psychology’s Feminist Voices. https://feministvoices.com/profiles/helen-walker ● Otwarty dostęp
  2. Walker, H. M. (1929). Studies in the history of statistical method: With special reference to certain educational problems. Williams & Wilkins. https://doi.org/10.1037/13379-000 ● Otwarty dostęp: pełny tekst
  3. Walker, H. M. (1940). Degrees of freedom. Journal of Educational Psychology, 31(4), 253–269. https://doi.org/10.1037/h0054588 ● Otwarty dostęp: pełny tekst
  4. Walker, H. M. (1945). The role of the American Statistical Association. Journal of the American Statistical Association, 40(229), 1–10. https://doi.org/10.1080/01621459.1945.10500719 ● Otwarty dostęp: pełny tekst

Cytowania BibTeX

@misc{arshinoff2023walker, author={Arshinoff, Spencer}, title={{Helen Walker}}, howpublished={Psychology’s Feminist Voices}, year={2023}, publisher={Psychology’s Feminist Voices}, url={https://feministvoices.com/profiles/helen-walker}}
@book{walker1929studies, author={Walker, Helen M.}, title={{Studies in the history of statistical method: With special reference to certain educational problems}}, year={1929}, publisher={Williams \& Wilkins}, doi={10.1037/13379-000}}
@article{walker1940degrees, author={Walker, Helen M.}, title={{Degrees of freedom}}, journal={Journal of Educational Psychology}, year={1940}, volume={31}, number={4}, pages={253--269}, doi={10.1037/h0054588}}
@article{walker1945role, author={Walker, Helen M.}, title={{The role of the American Statistical Association}}, journal={Journal of the American Statistical Association}, year={1945}, volume={40}, number={229}, pages={1--10}, doi={10.1080/01621459.1945.10500719}}
R