Populacja – co to jest? Populacja w statystyce i badaniach naukowych

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 21 sierpnia 2026 · Aktualizacja: 7 października 2026

Populacja — co to jest?

W statystyce i metodologii badań populacja (populacja generalna, zbiorowość generalna) to pełny zbiór jednostek, o których chcemy wyciągnąć wnioski. Jednostkami mogą być osoby, ale też klasy szkolne, szpitale, firmy, teksty czy pojedyncze pomiary. Populację wyznaczają kryteria przynależności, np.:

• dorośli mieszkańcy Polski w 2026 roku;
• studenci psychologii Uniwersytetu X w roku akademickim 2026/2027;
• pacjenci po udarze leczeni w szpitalach województwa Y w 2025 roku;
• wszystkie lekcje matematyki prowadzone w szkołach podstawowych danej gminy w semestrze.

Badanie całej populacji to badanie pełne (spis). Najczęściej jest to niemożliwe lub zbyt kosztowne, dlatego bada się próbę i na jej podstawie szacuje wartości dla populacji. O tym, czy takie wnioskowanie jest uprawnione, decyduje reprezentatywność próby.

Populacja docelowa, dostępna i próba

W praktyce warto odróżniać trzy poziomy:

Różnica między populacją docelową a dostępną to błąd pokrycia. Jeśli listy udostępniły tylko uczelnie z dużych miast, wyniki dotyczą przede wszystkim studentów z dużych miast, a uogólnienie na całą Polskę wymaga dodatkowego uzasadnienia. Shadish, Cook i Campbell (2002) wiążą ten problem z trafnością zewnętrzną: na ile wyniki można przenieść na inne osoby, miejsca i czasy.

Parametr a statystyka

Liczby opisujące populację to parametry. Liczby policzone w próbie to statystyki, które służą jako oszacowania parametrów (estymacja punktowa). Zwyczajowo parametry oznacza się literami greckimi, a statystyki — łacińskimi:

Statystyka z próby niemal nigdy nie jest dokładnie równa parametrowi. Różnicę między nimi nazywa się błędem próby, a jego wielkość opisuje przedział ufności.

Populacja skończona i nieskończona

Populacja skończona ma określoną liczbę jednostek N, np. 2000 studentów jednej uczelni. Populacja nieskończona lub hipotetyczna to np. wszystkie możliwe powtórzenia eksperymentu albo przyszli pacjenci, którzy otrzymają daną terapię. W eksperymentach psychologicznych wnioskujemy zwykle o takiej właśnie populacji hipotetycznej.

Przy populacji skończonej, gdy próba stanowi jej znaczną część, błąd standardowy średniej jest mniejszy, niż wynika z podstawowego wzoru. Uwzględnia to poprawka na skończoną populację (Cochran, 1977; Kish, 1965; Lohr, 2021):

Sprawdziłem to w R na populacji N = 2000 studentów z wynikiem skali stresu (μ = 17,99, S = 5,88), losując po 10 000 prób bez zwracania:

Przy próbie stanowiącej 5% populacji poprawka zmienia niewiele. Gdy próba to 25% populacji, wzór bez poprawki zawyża błąd standardowy (0,263 zamiast rzeczywistych 0,229), a wzór z poprawką trafia niemal dokładnie (0,228). Średnia ze średnich jest w obu przypadkach praktycznie równa μ, bo losowanie daje oszacowania nieobciążone.

Przykładowa pojedyncza próba 100 studentów dała średnią M = 18,02 (SD = 6,39) i 95% przedział ufności [16,78; 19,26], który obejmuje prawdziwy parametr μ = 17,99.

Jak zdefiniować populację w pracy badawczej?

Dobra definicja populacji odpowiada na pytania:

1. Kto? Kryteria włączenia (np. wiek 18–25 lat, diagnoza, kierunek studiów) i wyłączenia (np. przyjmowanie określonych leków).
2. Gdzie? Zasięg geograficzny lub instytucjonalny.
3. Kiedy? Okres, którego dotyczy badanie.
4. Jaka jest jednostka analizy? Osoba, para, klasa, szkoła, pomiar.

Wytyczne APA dotyczące raportowania badań ilościowych wymagają opisu kryteriów włączenia, sposobu doboru i charakterystyki uczestników (Appelbaum i in., 2018). Jak przedstawić charakterystykę zbadanej grupy, pokazuje poradnik jak opisać charakterystykę próby.

Populacja w badaniach psychologicznych

W psychologii populacja docelowa bywa szersza niż ta, z której faktycznie pochodzą badani. Wiele badań prowadzi się na studentach, a wnioski formułuje się o „ludziach”. Henrich i in. (2010) pokazali, że osoby z zachodnich, wykształconych i zamożnych społeczeństw odbiegają od reszty świata w wielu zadaniach, od percepcji po decyzje moralne. Dlatego w pracy warto jasno napisać, jakiej populacji dotyczą wyniki, i nie rozciągać wniosków poza nią bez uzasadnienia.

set.seed(2026)
N <- 2000                                                   # wszyscy studenci psychologii na uczelni
stres <- pmin(40, pmax(0, round(rnorm(N, 18, 6))))           # wynik PSS-10 (0–40)
mu <- mean(stres); S <- sd(stres)                            # parametry populacji
sym <- function(n, R = 10000) {
  m <- replicate(R, mean(sample(stres, n)))                  # losowanie bez zwracania
  c(n = n, ulamek = n / N, srednia_srednich = mean(m), se_empiryczny = sd(m),
    se_bez_fpc = S / sqrt(n), se_z_fpc = S / sqrt(n) * sqrt(1 - n / N))
}
tab <- as.data.frame(rbind(sym(100), sym(500)))
cat("mu =", mu, " S =", S, "\n"); print(tab, digits = 5)

mu = 17.991  S = 5.879898 
    n ulamek srednia_srednich se_empiryczny se_bez_fpc se_z_fpc
1 100   0.05           17.994       0.57687    0.58799  0.57310
2 500   0.25           17.990       0.22907    0.26296  0.22773

set.seed(5)
proba <- sample(stres, 100)                                   # jedna próba 100 studentów
c(srednia = mean(proba), sd = sd(proba))
mean(proba) + c(-1, 1) * qt(.975, 99) * sd(proba) / sqrt(100) * sqrt(1 - 100 / N)   # 95% CI z FPC

  srednia        sd 
18.020000  6.388089 
[1] 16.78456 19.25544

Najczęstsze błędy

1. Zbyt szeroka definicja populacji, np. „Polacy” przy próbie studentów jednej uczelni.
2. Mylenie populacji z próbą — np. „populację badaną stanowiło 120 osób” zamiast „próbę stanowiło 120 osób”.
3. Podawanie statystyk z próby jako faktów o populacji bez przedziału ufności.
4. Brak kryteriów włączenia i wyłączenia, przez co nie wiadomo, kogo dotyczą wnioski.
5. Pomijanie różnicy między populacją docelową a dostępną, czyli błędu pokrycia.

Najczęstsze pytania

Co to jest populacja w statystyce?

To pełny zbiór jednostek — osób, obiektów lub zdarzeń — o których chcemy wyciągnąć wnioski. Populację określa się przez kryteria: kto do niej należy, gdzie i kiedy. Jej cechy liczbowe nazywa się parametrami.

Czym różni się populacja od próby?

Populacja to wszyscy, o których chcemy wnioskować, a próba — ta część populacji, którą faktycznie badamy. Wyniki z próby (statystyki) służą do szacowania wartości w populacji (parametrów), a różnica między nimi to błąd próby.

Co to jest populacja generalna?

To inne określenie populacji badanej w całości, używane głównie w polskich podręcznikach statystyki. Podkreśla, że chodzi o całą zbiorowość, z której pobiera się próbę, w przeciwieństwie do próby (zbiorowości próbnej).

Co to jest parametr populacji?

To liczba opisująca populację, np. średnia μ, odchylenie standardowe σ, odsetek π czy korelacja ρ. Parametry zwykle są nieznane i szacuje się je na podstawie statystyk z próby, podając przedział ufności.

Czy populacja musi składać się z ludzi?

Nie. Populację mogą tworzyć klasy szkolne, szpitale, firmy, teksty, sesje terapeutyczne czy pomiary. W eksperymentach mówi się też o populacji hipotetycznej — wszystkich możliwych powtórzeń danego badania.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

@article{appelbaum2018journal, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology: The {APA} Publications and Communications Board task force report}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}

@book{cochran1977sampling, author={Cochran, William G.}, title={Sampling Techniques}, edition={3}, publisher={Wiley}, address={New York}, year={1977}}

@article{henrich2010weirdest, author={Henrich, Joseph and Heine, Steven J. and Norenzayan, Ara}, title={The weirdest people in the world?}, journal={Behavioral and Brain Sciences}, year={2010}, volume={33}, number={2--3}, pages={61--83}, doi={10.1017/S0140525X0999152X}}

@book{kish1965survey, author={Kish, Leslie}, title={Survey Sampling}, publisher={Wiley}, address={New York}, year={1965}}

@book{lohr2021sampling, author={Lohr, Sharon L.}, title={Sampling: Design and Analysis}, edition={3}, publisher={CRC Press}, year={2021}, doi={10.1201/9780429298899}}

@book{shadish2002experimental, author={Shadish, William R. and Cook, Thomas D. and Campbell, Donald T.}, title={Experimental and Quasi-Experimental Designs for Generalized Causal Inference}, publisher={Houghton Mifflin}, address={Boston}, year={2002}}