Słownik metodologiczny · Ludzie statystyki

Józef Marcinkiewicz (1910–1940) – kim był i co wniósł do rachunku prawdopodobieństwa

Józef Marcinkiewicz, uczeń Antoniego Zygmunda z Wilna, w ciągu sześciu lat napisał 55 prac z analizy i rachunku prawdopodobieństwa. Jego twierdzenie mówi, że rozkład, którego kumulanty od pewnego rzędu znikają, musi być normalny. Przedstawiamy biografię, oś czasu i sprawdzenie twierdzenia w R.

Strona główna / Słownik / Józef Marcinkiewicz
W skrócie: Józef Marcinkiewicz (1910–1940) – polski matematyk z Uniwersytetu Stefana Batorego w Wilnie, uczeń Antoniego Zygmunda. Udowodnił, że jedynym rozkładem o skończenie wielu niezerowych kumulantach jest rozkład normalny, i z Zygmundem uogólnił mocne prawo wielkich liczb. Wzięty do niewoli sowieckiej w 1939 r., zamordowany w Charkowie wiosną 1940 r.

Kim był Józef Marcinkiewicz?

Józef Marcinkiewicz urodził się 12 kwietnia 1910 r. (30 marca według kalendarza juliańskiego) we wsi Cimoszka koło Białegostoku. Jako dziecko chorował na płuca, ale dobrze pływał i jeździł na nartach. Maturę zdał w Białymstoku w 1930 r. i w tym samym roku zaczął studia matematyczne na Uniwersytecie Stefana Batorego w Wilnie (Maligranda, 2011).

Na drugim roku poprosił Antoniego Zygmunda o zgodę na udział w jego wykładzie o szeregach ortogonalnych, choć ten był za trudny dla studentów drugiego roku. Tak zaczęła się ich współpraca. Magisterium uzyskał w 1933 r., po trzech latach studiów, a doktorat – 25 czerwca 1935 r., oba pod kierunkiem Zygmunda. Rok akademicki 1935/36 spędził we Lwowie jako stypendysta i asystent przy katedrze Stefana Banacha. 12 czerwca 1937 r., w wieku 27 lat, został najmłodszym doktorem habilitowanym Uniwersytetu Stefana Batorego (Maligranda, 2011).

W 1938 r. dostał stypendium na wyjazdy do Paryża, Londynu i Sztokholmu, by – jak pisze Maligranda (2011) – uzupełnić wiedzę z rachunku prawdopodobieństwa i statystyki matematycznej. Pół roku spędził w Paryżu, a od kwietnia do sierpnia 1939 r. pracował w University College London. W czerwcu 1939 r. został mianowany profesorem nadzwyczajnym Uniwersytetu Poznańskiego, ale stanowiska już nie objął. Pod koniec sierpnia wrócił do Wilna, a we wrześniu jako porucznik rezerwy bronił Lwowa. Po kapitulacji miasta trafił do niewoli sowieckiej, do obozu w Starobielsku. Wiosną 1940 r. został zamordowany w Charkowie; dokładnej daty nie znamy (Maligranda, 2011).

Najważniejsze pomysły

W latach 1933–1939 Marcinkiewicz napisał 55 prac. Najbardziej znane dotyczą analizy (twierdzenie interpolacyjne Marcinkiewicza), ale w latach 1937–1938 zajmował się też zmiennymi losowymi niezależnymi (Maligranda, 2011).

  • Prawo wielkich liczb Marcinkiewicza–Zygmunda (1937). Uogólnienie mocnego prawa wielkich liczb Kołmogorowa: dla niezależnych zmiennych o jednakowym rozkładzie i 0 < p < 2 suma pomniejszona o nc i podzielona przez n1/p dąży do zera prawie na pewno wtedy i tylko wtedy, gdy E|X|p jest skończone (Marcinkiewicz i Zygmund, 1937).
  • Nierówności Marcinkiewicza–Zygmunda (1937). Szacują sumy niezależnych zmiennych; jedno z tych oszacowań statystycy znają dziś jako nierówność Hoeffdinga, którą Wassily Hoeffding opublikował w 1963 r. (Maligranda, 2011).
  • Twierdzenie o funkcji charakterystycznej (1938, druk 1939). Funkcja exp(P(t)), w której P jest wielomianem stopnia większego niż 2, nie jest funkcją charakterystyczną żadnej zmiennej losowej (Marcinkiewicz, 1939; Maligranda, 2011). Logarytm funkcji charakterystycznej to funkcja tworząca kumulantów, więc twierdzenie można powiedzieć prościej: jeśli wszystkie kumulanty od pewnego rzędu są zerami, to rozkład jest normalny (albo skupiony w jednym punkcie).

Ciekawostka

W Londynie Marcinkiewicz zaprzyjaźnił się z młodym asystentem University College, Normanem L. Johnsonem, późniejszym profesorem statystyki w University of North Carolina. Johnson wspominał po latach w rozmowie, którą przytacza Maligranda (2011), że polski gość szukał u niego praktycznego spojrzenia na statystykę matematyczną. Gdy Johnson zasugerował, by wobec groźby wojny został za granicą, Marcinkiewicz się oburzył: jako oficer rezerwy uważał powrót do kraju za obowiązek.

Wcześniej, we Lwowie, bywał w Kawiarni Szkockiej: rozwiązał trzy problemy z Księgi Szkockiej (postawione przez Auerbacha, Banacha i Zygmunda) i dopisał własny, numer 124 (Maligranda, 2011).

Przykład: kumulanty i rozkład normalny

Kumulanty to „uporządkowane” momenty: pierwszy to średnia, drugi – wariancja, trzeci i czwarty po podzieleniu przez odpowiednią potęgę wariancji dają skośność i kurtozę nadmiarową. Liczymy je wzorem rekurencyjnym z momentów dla trzech rozkładów. Dla rozkładu normalnego N(1, 4) wychodzą κ₁ = 1, κ₂ = 4, a wszystkie dalsze są zerami. Dla rozkładu Poissona z λ = 3 każdy kumulant równa się 3, a dla rozkładu jednostajnego na (0, 1) nieparzyste od trzeciego są zerami, ale parzyste nie (κ₄ = −0.0083, κ₆ = 0.0040). Twierdzenie Marcinkiewicza mówi, że obraz „dwa kumulanty i same zera” ma tylko rozkład normalny.

Na próbach po 100 000 obserwacji (symulacja, set.seed(1910)) k-statystyki to potwierdzają: dla rozkładu normalnego skośność wynosi −0.0025, a kurtoza nadmiarowa −0.037; dla rozkładu Poissona k₃ = 2.95 i k₄ = 2.74 (teoretycznie 3), a dla jednostajnego kurtoza nadmiarowa −1.20.

Co by się stało, gdyby kumulanty urwały się dalej, np. na czwartym? Sprawdzamy funkcję exp(−t4): odwracamy ją numerycznie tak samo jak exp(−t²/2). Wynik całkuje się do 1, ale przyjmuje wartości ujemne – najniższą (−0.030) przy |x| = 4.6, a łączna „ujemna masa” wynosi −0.119. To nie jest gęstość, więc exp(−t4) nie jest funkcją charakterystyczną – zgodnie z twierdzeniem.

Na rysunku

Pozioma oś czasu od 1906 do 1945 z dziesięcioma zdarzeniami: 1910 urodzony w Cimoszce; 1930 studia w Wilnie; 1933 magisterium u Zygmunda; 1935 doktorat i rok we Lwowie; 1937 habilitacja; 1937 prawo wielkich liczb z Zygmundem; 1938 Paryż i Londyn; 1939 twierdzenie o funkcji charakterystycznej; 1939 obrona Lwowa i niewola w Starobielsku; 1940 zamordowany w Charkowie. Rodzaj zdarzenia oznaczają kształt i kolor znacznika: koło – życie, kwadrat – nauka, trójkąt – praca, odwrócony trójkąt – publikacja
Rysunek 1. Oś czasu: Józef Marcinkiewicz, 1910–1940. Lata według Maligrandy (2011). Rysunek: R, pakiet ggplot2.

Co widać. Cały dorobek Marcinkiewicza mieści się w sześciu latach: od magisterium w 1933 r. do wybuchu wojny.

Na co uważać. Oś zawiera tylko daty z cytowanego źródła. Etykiety są przesunięte – rok wskazuje znacznik na osi.

Podpis do pracy:

Rysunek 1. Najważniejsze daty z życia i pracy Józefa Marcinkiewicza, 1910–1940. Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, nauka, praca, publikacja). Daty według Maligrandy (2011).
Dwa panele. A: dwie krzywe na osi x od −7 do 7. Ciągła niebieska to gęstość normalna o wysokości 0.4 w zerze, zawsze dodatnia. Przerywana pomarańczowa, otrzymana z funkcji exp(−t do czwartej), ma szczyt około 0.29 i dla |x| większego niż około 3.5 schodzi poniżej zera do około −0.03, co opisuje napis: wartości ujemne, to nie jest gęstość. B: trzy małe wykresy kumulantów rzędu 1–6: rozkład normalny N(1, 4) ma kumulanty 1 i 4, a dalej zera; rozkład Poissona z λ = 3 ma wszystkie kumulanty równe 3; rozkład jednostajny (0, 1) ma 0.5 i 0.083, a dalej wartości bliskie zera, ale nie wszystkie zerowe
Rysunek 2. Twierdzenie Marcinkiewicza: funkcja exp(−t²/2) odwraca się w gęstość normalną, a exp(−t4) w funkcję z wartościami ujemnymi (A); kumulanty rzędu 1–6 trzech rozkładów (B). Obliczenia numeryczne i rysunek: R, pakiety ggplot2 i patchwork.

Co widać. Panel A pokazuje, dlaczego wielomian w wykładniku nie może mieć stopnia 4: „gęstość” spada poniżej zera. Panel B: tylko rozkład normalny ma skończenie wiele niezerowych kumulantów.

Na co uważać. Panel A to ilustracja numeryczna jednego przypadku, nie dowód – twierdzenie obejmuje każdy wielomian stopnia wyższego niż 2. Kumulanty jednostajnego są małe, ale niezerowe; na wspólnej skali zlałyby się z zerem, dlatego każdy panel w B ma własną oś pionową.

Podpis do pracy:

Rysunek 2. Funkcje otrzymane przez numeryczne odwrócenie exp(−t²/2) i exp(−t⁴) (A) oraz kumulanty rzędu 1–6 rozkładu normalnego N(1, 4), rozkładu Poissona (λ = 3) i rozkładu jednostajnego (0, 1) (B). Uwaga. Funkcja otrzymana z exp(−t⁴) przyjmuje wartości ujemne (minimum −0.030 przy |x| = 4.6), więc nie jest gęstością. Kumulanty obliczone z momentów wzorem rekurencyjnym; w panelu B osie pionowe mają różne skale.

Gdzie spotkasz Marcinkiewicza w swojej pracy

  • Skośność i kurtoza jako test normalności. Gdy sprawdzasz, czy skośność i kurtoza nadmiarowa są bliskie zera, sprawdzasz trzeci i czwarty kumulant. Twierdzenie Marcinkiewicza wyjaśnia, dlaczego właśnie te liczby: w rozkładzie normalnym wszystkie kumulanty powyżej drugiego znikają. Pamiętaj jednak, że zera w dwóch kumulantach nie dowodzą normalności – zob. jak sprawdzić normalność rozkładu i test Shapiro–Wilka.
  • Średnia z dużej próby. Prawo wielkich liczb Marcinkiewicza–Zygmunda opisuje, jak szybko średnia stabilizuje się przy rozkładach o ciężkich ogonach, gdy brakuje wariancji – zob. też centralne twierdzenie graniczne.
  • Twierdzenia graniczne. Na egzaminie habilitacyjnym Zygmund pytał go o twierdzenie Laplace’a–Lapunowa (Maligranda, 2011) – zob. Aleksandr Lapunow.

Spory, mity i trudne strony

  • Gdzie zginął? Zygmund wiedział tylko, że Marcinkiewicz trafił do niewoli i prosił o książki matematyczne. Część relacji, w tym wspomnienie Johnsona, wymienia Katyń. Maligranda (2011) ustala, że po pobycie w obozie w Starobielsku Marcinkiewicz został zamordowany w Charkowie między 5 kwietnia a 12 maja 1940 r. i prawdopodobnie spoczywa w Piatichatkach.
  • Oferta z Ameryki. Według części relacji Marcinkiewicz odrzucił propozycję pracy w USA. Maligranda (2011) zaznacza, że nie zna dokumentu, który by to potwierdzał.
  • Utracone rękopisy. Prace z Paryża i Londynu Marcinkiewicz zostawił rodzicom. Rodzice zostali wywiezieni i zmarli w Bucharze w 1941 r., a rękopisy brat wydobył po wojnie z ziemi w stanie rozkładu (Maligranda, 2011).
Przykład reprodukowalny

Twierdzenie Marcinkiewicza w R

Kod rysuje oś czasu, odwraca numerycznie funkcje exp(−t²/2) i exp(−t4) (całka z integrate()), liczy kumulanty rzędu 1–6 z momentów wzorem rekurencyjnym i k-statystyki z symulowanych prób. Rysunki na stronie powstały z tych samych obiektów p_os i p_metoda z krojem i tłem serwisu; dane, geometrie i skale są identyczne.

całka, minimum i „ujemna masa” odwróconych funkcji, kumulanty trzech rozkładów oraz k-statystyki z prób po 100 000 obserwacji.

Dane wejściowe: oś czasu według Maligrandy (2011) i rozkłady teoretyczne

Co odczytać: funkcje exp(−t²/2) i exp(−t⁴) odwracane na siatce x od −15 do 15 co 0.02; rozkłady N(1, 4), Poissona (λ = 3) i jednostajny (0, 1); próby symulowane z set.seed(1910), n = 100 000.

Kod R rysunków 1 i 2
# Józef Marcinkiewicz: oś czasu i twierdzenie o funkcji charakterystycznej (kumulanty rozkładu normalnego)
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 Maligrandy 2011)
zdarzenia <- data.frame(
  rok = c(1910, 1930, 1933, 1935, 1937, 1937.6, 1938.8, 1939, 1939.7, 1940),
  opis = c("urodzony w Cimoszce", "studia w Wilnie (USB)", "magisterium\nu Zygmunda", "doktorat;\nrok we Lwowie",
           "habilitacja", "prawo wielkich liczb\n(z Zygmundem)", "Paryż i Londyn", "twierdzenie o funkcji\ncharakterystycznej",
           "obrona Lwowa,\nniewola (Starobielsk)", "zamordowany\nw Charkowie"),
  rodzaj = c("życie", "nauka", "nauka", "nauka", "nauka", "publikacja", "praca", "publikacja", "życie", "życie"))
zdarzenia$y  <- c(1.2, -1.2, 2.4, -2.6, 1.2, 3.4, -1.2, 2.3, -2.8, 1.0)          # wysokość etykiet
zdarzenia$xl <- c(1910, 1925, 1927, 1931, 1932, 1934, 1937, 1939.5, 1941, 1942)  # położenie etykiet, żeby się nie nakładały
p_os <- ggplot(zdarzenia, aes(rok, 0)) +
  geom_hline(yintercept = 0, colour = "grey60") +
  geom_segment(aes(xend = xl, yend = y * 0.85), colour = "grey70") +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 3.5) +
  geom_label(aes(x = xl, y = y, label = paste0(floor(rok), "\n", opis)), size = 3.1, lineheight = 0.9, linewidth = 0.2) +
  scale_shape_manual(values = c("życie" = 21, "nauka" = 22, "praca" = 24, "publikacja" = 25), name = NULL) +
  scale_fill_manual(values = c("życie" = oi[["szary"]], "nauka" = oi[["zielony"]], "praca" = oi[["niebieski"]],
                               "publikacja" = oi[["cynober"]]), name = NULL) +
  scale_x_continuous(breaks = seq(1910, 1940, 5), limits = c(1906, 1945)) + scale_y_continuous(limits = c(-3.5, 4)) +
  labs(title = "Józef Marcinkiewicz (1910–1940)", x = NULL, y = NULL) +
  motyw + theme(axis.text.y = element_blank(), panel.grid.major.y = element_blank(), legend.position = "bottom")

# 2. Twierdzenie Marcinkiewicza: jeśli exp(P(t)) z wielomianem P jest funkcją charakterystyczną,
#    to stopień P wynosi najwyżej 2 (rozkład normalny albo zdegenerowany).
#    Odwracamy numerycznie dwie funkcje: exp(-t^2/2) (rozkład normalny) i exp(-t^4).
#    Dla funkcji parzystej: f(x) = (1/pi) * całka od 0 do nieskończoności z cos(t x) exp(P(t)) dt.
odwroc <- function(x, P) integrate(function(t) cos(t * x) * exp(P(t)), 0, Inf,
                                   subdivisions = 2000, rel.tol = 1e-10)$value / pi
x <- seq(-15, 15, by = 0.02)
gestosci <- data.frame(
  x = rep(x, 2),
  f = c(sapply(x, odwroc, P = function(t) -t^2 / 2), sapply(x, odwroc, P = function(t) -t^4)),
  funkcja = rep(c("exp(-t²/2): rozkład normalny", "exp(-t⁴): nie jest funkcją charakterystyczną"), each = length(x)))
podsumowanie <- aggregate(f ~ funkcja, data = gestosci, FUN = function(v) c(
  calka = sum(v) * 0.02, minimum = min(v), masa_ujemna = sum(v[v < 0]) * 0.02))
podsumowanie <- do.call(data.frame, podsumowanie); names(podsumowanie) <- c("funkcja", "całka", "minimum", "masa_ujemna")
podsumowanie[, 2:4] <- round(podsumowanie[, 2:4], 4)
podsumowanie
# Gdzie „gęstość” dla exp(-t^4) jest najbardziej ujemna?
g4 <- gestosci[gestosci$funkcja == unique(gestosci$funkcja)[2], ]
abs(g4$x[which.min(g4$f)])
# Prostszy argument: P(t) = -t^4 ma P''(0) = 0, czyli kumulant drugi (wariancja) byłby równy 0,
# a rozkład o wariancji 0 jest skupiony w punkcie i ma funkcję charakterystyczną |phi(t)| = 1, nie exp(-t^4).

# 3. Kumulanty z momentów (wzór rekurencyjny) dla trzech rozkładów
kumulanty <- function(m) {        # m[r] = r-ty moment zwykły E(X^r), r = 1..R
  R <- length(m); k <- numeric(R)
  for (n in 1:R) k[n] <- m[n] - sum(vapply(seq_len(n - 1), function(j) choose(n - 1, j - 1) * k[j] * m[n - j], numeric(1)))
  k
}
r <- 1:6
mom_norm <- sapply(r, function(j) integrate(function(x) x^j * dnorm(x, mean = 1, sd = 2), -Inf, Inf)$value)
mom_pois <- sapply(r, function(j) sum((0:200)^j * dpois(0:200, lambda = 3)))
mom_jedn <- 1 / (r + 1)           # rozkład jednostajny na (0, 1): E(X^r) = 1/(r + 1)
tab_k <- data.frame(rzad = r, normalny_N_1_4 = kumulanty(mom_norm), Poisson_3 = kumulanty(mom_pois),
                    jednostajny_0_1 = kumulanty(mom_jedn))
round(tab_k, 4)

# 4. To samo z próby (n = 100 000): k-statystyki (nieobciążone estymatory kumulantów) rzędu 2–4
#    oraz skośność k3/k2^1.5 i kurtoza nadmiarowa k4/k2^2 (kumulanty w jednostkach wariancji)
k_stat <- function(y) {
  n <- length(y); s <- sapply(1:4, function(j) sum((y - mean(y))^j))
  k2 <- s[2] / (n - 1)
  k3 <- n * s[3] / ((n - 1) * (n - 2))
  k4 <- n * ((n + 1) * s[4] - 3 * (n - 1) * s[2]^2 / n) / ((n - 1) * (n - 2) * (n - 3))
  c(k2 = k2, k3 = k3, k4 = k4, skosnosc = k3 / k2^1.5, kurtoza_nadm = k4 / k2^2)
}
set.seed(1910)
proby <- list(normalny_N_1_4 = rnorm(1e5, mean = 1, sd = 2), Poisson_3 = rpois(1e5, lambda = 3),
              jednostajny_0_1 = runif(1e5))
round(t(sapply(proby, k_stat)), 4)

# Rysunek 2A: odwrócone funkcje; 2B: kumulanty rzędu 1–6
gestosci$funkcja <- factor(gestosci$funkcja, levels = unique(gestosci$funkcja))
pA <- ggplot(gestosci, aes(x, f, colour = funkcja, linetype = funkcja)) +
  geom_hline(yintercept = 0, colour = "grey50") +
  geom_line(linewidth = 1) +
  annotate("text", x = 4.6, y = -0.05, label = "wartości ujemne:\nto nie jest gęstość", size = 3.2, colour = oi[["cynober"]]) +
  scale_colour_manual(values = c(oi[["niebieski"]], oi[["cynober"]]), name = NULL) +
  scale_linetype_manual(values = c("solid", "dashed"), name = NULL) +
  coord_cartesian(xlim = c(-7, 7)) +
  labs(title = "A. Odwrócenie funkcji exp(P(t))", x = "x", y = "f(x)") +
  motyw + theme(legend.position = "bottom", legend.direction = "vertical")
dl <- data.frame(rzad = rep(r, 3), kumulant = c(tab_k$normalny_N_1_4, tab_k$Poisson_3, tab_k$jednostajny_0_1),
                 rozklad = factor(rep(c("normalny N(1, 4)", "Poissona (λ = 3)", "jednostajny (0, 1)"), each = 6),
                                  levels = c("normalny N(1, 4)", "Poissona (λ = 3)", "jednostajny (0, 1)")))
dl$kumulant[abs(dl$kumulant) < 1e-8] <- 0
pB <- ggplot(dl, aes(factor(rzad), kumulant, colour = rozklad, shape = rozklad)) +
  geom_hline(yintercept = 0, colour = "grey50") +
  geom_segment(aes(xend = factor(rzad), y = 0, yend = kumulant), colour = "grey60") +
  geom_point(size = 3) +
  facet_wrap(~ rozklad, ncol = 1, scales = "free_y") +
  scale_colour_manual(values = c(oi[["niebieski"]], oi[["pomaranczowy"]], oi[["zielony"]]), guide = "none") +
  scale_shape_manual(values = c(16, 17, 15), guide = "none") +
  labs(title = "B. Kumulanty rzędu 1–6", x = "Rząd kumulantu r", y = "κᵣ") +
  motyw
p_metoda <- pA + pB + plot_layout(widths = c(1.3, 1))
p_os
p_metoda
Wynik w R
                                       funkcja całka minimum masa_ujemna
1                 exp(-t²/2): rozkład normalny     1  0.0000      0.0000
2 exp(-t⁴): nie jest funkcją charakterystyczną     1 -0.0298     -0.1186
[1] 4.6
  rzad normalny_N_1_4 Poisson_3 jednostajny_0_1
1    1              1         3          0.5000
2    2              4         3          0.0833
3    3              0         3          0.0000
4    4              0         3         -0.0083
5    5              0         3          0.0000
6    6              0         3          0.0040
                    k2      k3      k4 skosnosc kurtoza_nadm
normalny_N_1_4  3.9991 -0.0198 -0.5928  -0.0025      -0.0371
Poisson_3       2.9905  2.9515  2.7389   0.5707       0.3062
jednostajny_0_1 0.0832 -0.0001 -0.0083  -0.0055      -1.2007

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (całkowanie – funkcja integrate(), losowanie – rnorm(), rpois() i runif() 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 był Józef Marcinkiewicz?

Polskim matematykiem (1910–1940), uczniem Antoniego Zygmunda z Uniwersytetu Stefana Batorego w Wilnie. W latach 1933–1939 napisał 55 prac z analizy i rachunku prawdopodobieństwa. W 1939 r. jako oficer rezerwy bronił Lwowa, trafił do niewoli sowieckiej i wiosną 1940 r. został zamordowany w Charkowie.

Co mówi twierdzenie Marcinkiewicza o funkcji charakterystycznej?

Że funkcja exp(P(t)), w której P jest wielomianem stopnia większego niż 2, nie może być funkcją charakterystyczną żadnego rozkładu. W języku kumulantów: jeśli od pewnego rzędu wszystkie kumulanty są zerami, rozkład jest normalny (albo skupiony w jednym punkcie).

Co to jest prawo wielkich liczb Marcinkiewicza–Zygmunda?

Uogólnienie mocnego prawa wielkich liczb Kołmogorowa z 1937 r.: dla niezależnych zmiennych o jednakowym rozkładzie i 0 < p < 2 odchylenie sumy od nc, podzielone przez n do potęgi 1/p, dąży do zera prawie na pewno wtedy i tylko wtedy, gdy E|X|^p jest skończone.

Gdzie zginął Józef Marcinkiewicz?

Według biografii Lecha Maligrandy (2011) – w Charkowie, między 5 kwietnia a 12 maja 1940 r., po kilku miesiącach w obozie w Starobielsku. Starsze relacje podają Katyń; dokładna data śmierci nie jest znana.

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. Maligranda, L. (2011). Józef Marcinkiewicz (1910–1940) – on the centenary of his birth. Banach Center Publications, 95, 133–234. https://doi.org/10.4064/bc95-0-10 ● Otwarty dostęp: pełny tekst
  2. Marcinkiewicz, J. (1939). Sur une propriété de la loi de Gauß. Mathematische Zeitschrift, 44(1), 612–618. https://doi.org/10.1007/bf01210677
  3. Marcinkiewicz, J., & Zygmund, A. (1937). Sur les fonctions indépendantes. Fundamenta Mathematicae, 29, 60–90. https://doi.org/10.4064/fm-29-1-60-90

Cytowania BibTeX

@article{maligranda2011jozef, author={Maligranda, Lech}, title={{Józef Marcinkiewicz (1910–1940) – on the centenary of his birth}}, journal={Banach Center Publications}, year={2011}, volume={95}, pages={133--234}, doi={10.4064/bc95-0-10}}
@article{marcinkiewicz1939propriete, author={Marcinkiewicz, J{\'o}zef}, title={{Sur une propriété de la loi de Gauß}}, journal={Mathematische Zeitschrift}, year={1939}, volume={44}, number={1}, pages={612--618}, doi={10.1007/bf01210677}}
@article{marcinkiewicz1937fonctions, author={Marcinkiewicz, J{\'o}zef and Zygmund, Antoni}, title={{Sur les fonctions indépendantes}}, journal={Fundamenta Mathematicae}, year={1937}, volume={29}, pages={60--90}, doi={10.4064/fm-29-1-60-90}}
R