Słownik metodologiczny · Ludzie statystyki

Stella Cunliffe (1917–2012) – statystyczka z browaru i pierwsza prezeska RSS

Stella Cunliffe przez ponad 20 lat była statystyczką browaru Guinnessa, potem kierowała statystyką w brytyjskim Home Office, a w 1975 r. jako pierwsza kobieta stanęła na czele Royal Statistical Society. Przedstawiamy jej drogę i problem, z którym mierzyła się w browarze – preferencję cyfr w pomiarach – na danych w R.

Strona główna / Słownik / Stella Cunliffe
W skrócie: Stella Cunliffe (1917–2012) – brytyjska statystyczka, od 1947 r. w browarze Guinnessa (od 1955 r. kierowniczka działu statystyki), od 1970 r. w Home Office, gdzie jako pierwsza kobieta objęła stanowisko dyrektorki statystyki. W 1975 r. została pierwszą kobietą wybraną na prezesa Royal Statistical Society.

Kim była Stella Cunliffe?

Stella Vivian Cunliffe (1917–2012) była brytyjską statystyczką praktyczką: przez ponad 20 lat pracowała w browarze Guinnessa, potem kierowała statystyką w brytyjskim Ministerstwie Spraw Wewnętrznych (Home Office), a w 1975 r. jako pierwsza kobieta została wybrana na prezesa Royal Statistical Society (Phillpotts, 2012). Nie zostawiła po sobie twierdzenia ani testu nazwanego jej nazwiskiem. Jej dorobek to coś innego: pokazanie, jak statystyka działa w firmie i w administracji, gdzie dane zbierają ludzie, a decyzje podejmują ludzie.

Według nekrologu napisanego przez Phillpottsa (2012) urodziła się w hrabstwie Surrey, a w 1938 r. ukończyła London School of Economics z ekonomii ze specjalizacją ze statystyki. Od 1939 r. pracowała w firmie Danish Bacon, gdzie od 1940 r. pomagała rozdzielać racje bekonu dla Londynu. Po wojnie wyjechała z pomocą humanitarną do Europy (zob. ciekawostkę), a w 1947 r. wróciła do Wielkiej Brytanii i została statystyczką browaru Guinnessa w Park Royal pod Londynem – w tej samej firmie, w której wcześniej pracował William Sealy Gosset („Student”).

Najważniejsze pomysły i prace

  • Kontrola jakości w browarze. W Guinnessie zajmowała się m.in. kontrolą pojemności drewnianych beczek. W pomiarach wyszła silna preferencja pewnych cyfr i liczb całkowitych (Phillpotts, 2012) – to ten sam problem, który pokazujemy niżej na danych z R. Od 1955 r. kierowała działem statystyki browaru.
  • Ślepe próby smakowe. Planowała ślepe i podwójnie ślepe degustacje. Według nekrologu nie wykazały one różnic smaku – z jednym wyjątkiem: między butelkami z kapslami w różnych kolorach (Phillpotts, 2012). Lepszego argumentu za zaślepieniem trudno szukać.
  • Statystyka w administracji. Od 1970 r. kierowała Home Office Research Unit, a dwa lata później została dyrektorką statystyki ministerstwa – pierwszą kobietą na tym szczeblu w brytyjskiej rządowej służbie statystycznej. Rozbudowała zespół statystyków i przeniosła opracowywanie danych z pracy ręcznej na komputery (Phillpotts, 2012).
  • Royal Statistical Society. W latach 1961–1968 była honorową sekretarz Towarzystwa, a w 1975 r. – jego pierwszą prezeską. W przemówieniu prezesowskim „Interaction”, wygłoszonym 12 listopada 1975 r. i opublikowanym rok później (Cunliffe, 1976), zapowiedziała, że zamiast o pozycji kobiet w Międzynarodowym Roku Kobiet chce mówić o pozycji praktykującego statystyka (Phillpotts, 2012).

Po przejściu na emeryturę w wieku 60 lat doradzała komisji badającej zawód inżyniera (1978–1980) i współpracowała z University of Kent; w 1993 r. otrzymała Order Imperium Brytyjskiego (MBE) (Phillpotts, 2012).

Ciekawostka

Zanim trafiła do browaru, Stella Cunliffe pracowała przy pomocy dla ofiar wojny. Pod koniec wojny wyjechała na kontynent z Guide International Service. Pomagała żywić ludzi w Rotterdamie, była wśród pierwszych cywilów, którzy weszli do obozu w Belsen, a potem prowadziła wolontariuszy w obozie dla osób przesiedlonych w Brunszwiku. Do Wielkiej Brytanii wróciła w 1947 r. (Phillpotts, 2012).

Ruch przewodniczek (guiding) towarzyszył jej przez całe życie – według nekrologu zasiadała później w jego władzach. Ten sam tekst przytacza też drobną historię z Towarzystwa: gdy w latach 50. przenoszono jego bibliotekę, Cunliffe załatwiła z Guinnessa konny wóz browarny do przewiezienia książek (Phillpotts, 2012).

Przykład: preferencja cyfr końcowych

Beczki Guinnessa to dane, których nie mamy. Ten sam problem – ludzie zapisujący pomiary chętniej kończą je „okrągłymi” cyframi – widać jednak w zbiorze survey z pakietu MASS. Według pliku pomocy to odpowiedzi 237 studentów pierwszego kursu statystyki na University of Adelaide; zmienna Pulse to tętno w uderzeniach na minutę. Pomiar ma 192 osoby (45 braków).

Jeśli tętno mierzono z dokładnością do jednego uderzenia, każda cyfra końcowa powinna wypaść mniej więcej u co dziesiątej osoby, czyli około 19.2 razy. Tymczasem zero kończy 56 wyników, a cyfry 1, 3, 7 i 9 – tylko 4–6. Test chi-kwadrat zgodności z rozkładem jednostajnym daje χ²(9) = 120.19, p < .001; największa reszta standaryzowana dotyczy zera (8.85). Wartości parzyste stanowią 80.7% wyników (155 z 192; 95% CI [74.4, 86.1]) zamiast 50%, a podzielne przez 4 – 56.2% zamiast 25%. Najczęstsze wartości to 80, 68 i 72.

Preece (1981) pokazuje, że z wzorca zaburzenia często da się odgadnąć jego przyczynę. Tu przewaga liczb parzystych i podzielnych przez 4 pasuje do liczenia uderzeń przez pół minuty lub ćwierć minuty i mnożenia wyniku, a nadmiar zer – do zaokrąglania. Plik pomocy nie opisuje jednak sposobu pomiaru, więc to hipoteza, nie ustalenie.

Na rysunku

Pozioma oś czasu od 1910 do 2019 z dziesięcioma zdarzeniami: 1917 urodziła się; 1938 dyplom LSE z ekonomii i statystyki; 1939 firma Danish Bacon i przydziały bekonu; 1947 browar Guinnessa w Park Royal; 1955 kierowniczka działu statystyki Guinnessa; 1970 Home Office Research Unit; 1972 dyrektorka statystyki Home Office; 1975 pierwsza prezeska Royal Statistical Society; 1993 MBE; 2012 zmarła. Rodzaj zdarzenia oznaczają kształt i kolor znacznika: koło – życie, kwadrat – praca, romb – funkcja lub wyróżnienie
Rysunek 1. Oś czasu: Stella Cunliffe, 1917–2012. Lata według Phillpottsa (2012). Rysunek: R, pakiet ggplot2.

Co widać. Kariera Cunliffe dzieli się na dwie długie części: 23 lata w browarze (1947–1970) i kilka lat kierowania statystyką w Home Office, w trakcie których przypadła prezesura Royal Statistical Society.

Na co uważać. Oś pokazuje tylko zdarzenia, których lata podaje nekrolog. Nie ma na niej lat pomocy humanitarnej (źródło umieszcza ją „pod koniec wojny” bez dokładnej daty) ani roku przejścia na emeryturę, który źródło wiąże tylko z 60. urodzinami.

Podpis do pracy:

Rysunek 1. Najważniejsze daty z życia i pracy Stelli Cunliffe, 1917–2012. Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, praca, funkcja lub wyróżnienie).
Dwa panele. A: słupki liczby studentów według ostatniej cyfry tętna od 0 do 9 z przerywaną linią oczekiwanej liczby 19.2; cyfra 0 ma 56 wyników, cyfry parzyste 2, 4, 6, 8 od 22 do 27 (słupki niebieskie), cyfry nieparzyste 1, 3, 7, 9 od 4 do 6, a 5 ma 17 (słupki pomarańczowe). B: liczba studentów dla każdej wartości tętna od 35 do 104 co jedno uderzenie; wysokie niebieskie słupki przy wartościach parzystych, np. 18 przy 80 i 16 przy 68, oraz niskie pomarańczowe słupki przy wartościach nieparzystych oznaczone trójkątami
Rysunek 2. Tętno 192 studentów (MASS::survey): rozkład ostatniej cyfry (A) i wartości co jedno uderzenie (B). Obliczenia i rysunek: R, pakiety MASS, ggplot2 i patchwork (dane rzeczywiste, bez losowania).

Co widać. Na panelu A słupek zera jest prawie trzy razy wyższy od oczekiwanego, cyfry parzyste leżą powyżej linii, a nieparzyste – z wyjątkiem piątki – daleko poniżej. Panel B pokazuje to samo jako „grzebień”: wysokie słupki przy wartościach parzystych przeplatają się z prawie pustymi miejscami przy nieparzystych.

Na co uważać. Preferencja cyfr nie musi oznaczać nieuczciwości – zwykle zdradza sposób pomiaru albo zaokrąglanie. Rozkład jednostajny cyfr końcowych to rozsądne odniesienie tylko wtedy, gdy wszystkie wartości zapisano z tą samą dokładnością, a zakres jest szeroki w porównaniu z krokiem pomiaru (Preece, 1981).

Podpis do pracy:

Rysunek 2. Rozkład ostatniej cyfry tętna (A) i liczebności wartości tętna (B) u 192 studentów statystyki. Uwaga. Linia przerywana w panelu A – liczba oczekiwana przy równym prawdopodobieństwie cyfr (19.2); kolor i trójkąty odróżniają wartości nieparzyste od parzystych.

Gdzie spotkasz Cunliffe w swojej pracy

Jej nazwiska nie ma w żadnej procedurze, ale jej problemy – tak. W praktyce:

  • zanim policzysz średnie z pomiarów robionych przez ludzi (tętno, ciśnienie, wzrost, czas reakcji z ręcznego stopera), sprawdź rozkład ostatnich cyfr – heaping w odpowiedziach ankietowych opisuje wpis Pytania o częstotliwość zachowań, a pomiar w ogóle – hasło standardowy błąd pomiaru;
  • preferencja cyfr końcowych to co innego niż prawo Benforda (cyfry pierwsze) i niż test GRIM (spójność średnich z liczebnością), choć wszystkie trzy narzędzia służą do oglądania danych przed analizą;
  • w eksperymentach z oceną smaku, bólu czy skuteczności zaślepienie chroni przed tym, co wykazały degustacje w Guinnessie – reakcją na etykietę zamiast na produkt;
  • w kontroli jakości – kartach kontrolnych Waltera Shewharta i karcie CUSUM – granice karty są tak dobre, jak pomiary, z których je policzono.

Trudne strony i niejasności

  • Statystyka a kara śmierci. Phillpotts (2012) pisze, że w Home Office Cunliffe przedstawiała ministrowi spraw wewnętrznych porównania międzynarodowe, z których wynikało, że kara śmierci nie wpływała na liczbę zabójstw. Nekrolog nie podaje szczegółów tych analiz, więc nie oceniamy ich metody.
  • Błąd w statystykach pasażerów. Według tego samego źródła zajmowała się sprawą kłopotliwego błędu – zawyżonych liczb pasażerów w statystykach ministerstwa – którą wyjaśniało dochodzenie pod kierunkiem Clausa Mosera.
  • Bariera awansu. Nekrolog przytacza relację, że usłyszała kiedyś o polityce obsadzania stanowisk dyrektorskich wyłącznie mężczyznami. Studiów magisterskich u Maurice’a Kendalla nie skończyła – w 1952 r. przerwała je z powodu długich dojazdów (Phillpotts, 2012).
Przykład reprodukowalny

Preferencja cyfr końcowych w R

Kod wczytuje dane survey z pakietu MASS, liczy rozkład ostatniej cyfry tętna, test chi-kwadrat zgodności z rozkładem jednostajnym z resztami standaryzowanymi, odsetki wartości parzystych, podzielnych przez 4 i kończących się zerem (z testem dwumianowym dla parzystości) 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. Kod nie losuje.

1. Cyfry końcowe tętna: rysunek 2

Dane wejściowe: data(survey, package = "MASS") – odpowiedzi 237 studentów statystyki z University of Adelaide; zmienna Pulse – tętno (uderzenia na minutę), 192 osoby z pomiarem.

Co odczytać: liczebności cyfr 0–9 i oczekiwane; χ², df i p; reszty standaryzowane; odsetki wartości parzystych, podzielnych przez 4 i kończących się zerem; przedział ufności dla odsetka parzystych; najczęstsze wartości.

Kod R rysunku 2
# Stella Cunliffe: preferencja cyfr końcowych w pomiarze tętna studentów (MASS::survey)
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
kol <- c(parzysta = "#0072B2", nieparzysta = "#E69F00", oczek = "grey20")   # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
  theme(panel.grid.minor = element_blank(), plot.title = element_text(face = "bold"), legend.position = "bottom")
data(survey, package = "MASS")
# Pulse – tętno studenta (uderzenia na minutę); 237 studentów statystyki z University of Adelaide
tetno <- survey$Pulse[!is.na(survey$Pulse)]
c(n = length(tetno), brakujace = sum(is.na(survey$Pulse)), min = min(tetno), max = max(tetno))

# Ostatnia cyfra: przy pomiarze z dokładnością do 1 uderzenia każda z 10 cyfr powinna wypaść w ok. 1/10 przypadków
cyfra <- factor(tetno %% 10, levels = 0:9)
tab <- table(cyfra)
rbind(obserwowane = tab, oczekiwane = round(rep(length(tetno) / 10, 10), 1))
chi <- chisq.test(tab, p = rep(0.1, 10))
round(c(chi2 = unname(chi$statistic), df = unname(chi$parameter)), 2)
c(p_chi2 = signif(chi$p.value, 3))
round(chi$stdres, 2)                       # reszty standaryzowane dla każdej cyfry

# Parzystość i podzielność: wartości parzyste, podzielne przez 4 i przez 5
odsetki <- c(parzyste = mean(tetno %% 2 == 0), podzielne_przez_4 = mean(tetno %% 4 == 0),
             konczace_sie_na_0 = mean(tetno %% 10 == 0))
round(rbind(obserwowany = odsetki, oczekiwany = c(1/2, 1/4, 1/10)), 3)
bt <- binom.test(sum(tetno %% 2 == 0), length(tetno), p = 1 / 2)
round(c(parzyste = sum(tetno %% 2 == 0), CI_dolna = bt$conf.int[1], CI_gorna = bt$conf.int[2]), 3)
c(p_dwumianowy = signif(bt$p.value, 3))
sort(table(tetno), decreasing = TRUE)[1:6]   # najczęstsze wartości

# Rysunek 2A: ostatnia cyfra – obserwowane vs oczekiwane
dc <- data.frame(cyfra = factor(0:9), n = as.vector(tab),
                 typ = ifelse(0:9 %% 2 == 0, "cyfra parzysta", "cyfra nieparzysta"))
pA <- ggplot(dc, aes(cyfra, n, fill = typ)) +
  geom_col(width = 0.7, colour = "grey20", linewidth = 0.3) +
  geom_hline(yintercept = length(tetno) / 10, linetype = "dashed", colour = kol[["oczek"]]) +
  geom_text(aes(label = n), vjust = -0.4, size = 3.4) +
  scale_fill_manual(values = c("cyfra parzysta" = kol[["parzysta"]], "cyfra nieparzysta" = kol[["nieparzysta"]]), name = NULL) +
  labs(title = "A. Ostatnia cyfra tętna", subtitle = "linia przerywana: oczekiwane 19.2", x = "Ostatnia cyfra", y = "Liczba studentów") +
  motyw
# Rysunek 2B: rozkład wartości tętna co 1 uderzenie – „grzebień” wartości parzystych
dw <- as.data.frame(table(tetno), stringsAsFactors = FALSE)
dw$tetno <- as.numeric(dw$tetno)
dw$typ <- ifelse(dw$tetno %% 2 == 0, "cyfra parzysta", "cyfra nieparzysta")
pB <- ggplot(dw, aes(tetno, Freq, fill = typ)) +
  geom_col(width = 0.8, colour = "grey20", linewidth = 0.3) +
  geom_point(data = dw[dw$typ == "cyfra nieparzysta", ], aes(y = Freq + 0.6), shape = 25, size = 1.8, show.legend = FALSE) +
  scale_fill_manual(values = c("cyfra parzysta" = kol[["parzysta"]], "cyfra nieparzysta" = kol[["nieparzysta"]]), name = NULL) +
  scale_x_continuous(breaks = seq(40, 100, by = 10)) +
  labs(title = "B. Wartości tętna co 1 uderzenie", subtitle = "trójkąt: wartość nieparzysta", x = "Tętno (uderzenia na minutę)", y = "Liczba studentów") +
  motyw
p2 <- pA + pB + plot_layout(widths = c(1, 1.3), guides = "collect") & theme(legend.position = "bottom")
p2
Wynik w R
        n brakujace       min       max 
      192        45        35       104 
               0    1    2    3    4    5    6    7    8    9
obserwowane 56.0  4.0 24.0  6.0 22.0 17.0 26.0  4.0 27.0  6.0
oczekiwane  19.2 19.2 19.2 19.2 19.2 19.2 19.2 19.2 19.2 19.2
  chi2     df 
120.19   9.00 
  p_chi2 
1.22e-21 
cyfra
    0     1     2     3     4     5     6     7     8     9 
 8.85 -3.66  1.15 -3.18  0.67 -0.53  1.64 -3.66  1.88 -3.18 
            parzyste podzielne_przez_4 konczace_sie_na_0
obserwowany    0.807             0.562             0.292
oczekiwany     0.500             0.250             0.100
parzyste CI_dolna CI_gorna 
 155.000    0.744    0.861 
p_dwumianowy 
    2.24e-18 
tetno
80 68 72 70 76 60 
18 16 14 13 13 12 

2. Oś czasu: rysunek 1

Dane wejściowe: dziesięć zdarzeń z latami według nekrologu (Phillpotts, 2012), wpisanych ręcznie.

Co odczytać: nic – kod tylko rysuje oś czasu.

Kod R rysunku 1
# Oś czasu: Stella Cunliffe, 1917–2012 – lata według cytowanych źródeł
library(ggplot2)
zdarzenia <- data.frame(
  rok = c(1917, 1938, 1939, 1947, 1955, 1970, 1972, 1975, 1993, 2012),
  opis = c("urodziła się", "dyplom LSE\n(ekonomia, statystyka)", "Danish Bacon\n(przydziały bekonu)",
           "browar Guinnessa\n(Park Royal)", "kierowniczka działu\nstatystyki Guinnessa", "Home Office\n(Research Unit)",
           "dyrektorka statystyki\nHome Office", "pierwsza prezeska\nRoyal Statistical Society", "MBE", "zmarła"),
  rodzaj = c("życie", "życie", "praca", "praca", "praca", "praca", "praca", "funkcja", "funkcja", "życie"))
# wysokość etykiety: znak = nad/pod osią, wartość = poziom (bliskie lata na dwóch poziomach)
zdarzenia$poziom <- c(0.5, -0.45, 1.15, -1.15, 0.45, -1.15, 0.45, -0.45, 0.45, -0.45)
zdarzenia$wyrownanie <- c(0.5, 0.8, 0.4, 0.5, 0.5, 0.5, 0.5, 0.3, 0.5, 0.6)
ksztalty <- c("życie" = 21, "praca" = 22, "funkcja" = 23)
kolory <- c("życie" = "grey40", "praca" = "#0072B2", "funkcja" = "#D55E00")   # 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 = 4, colour = "black") +
  geom_text(aes(y = poziom + 0.07 * sign(poziom), label = paste0(rok, "\n", opis), vjust = ifelse(poziom > 0, 0, 1), hjust = wyrownanie), size = 3.5, lineheight = 0.9) +
  scale_shape_manual(values = ksztalty, name = NULL) +
  scale_fill_manual(values = kolory, name = NULL) +
  scale_x_continuous(limits = c(1910, 2019), breaks = seq(1910, 2010, by = 10)) +
  scale_y_continuous(limits = c(-1.75, 1.75)) +
  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 (testy – funkcje chisq.test() i binom.test() z pakietu stats; dane – pakiet MASS; 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. MASS (wersja 7.3.65): Venables, W. N., & Ripley, B. D. (2002). Modern applied statistics with S (4th ed.). Springer. https://doi.org/10.1007/978-0-387-21706-2
  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 była Stella Cunliffe?

Brytyjską statystyczką (1917–2012), absolwentką London School of Economics, która w latach 1947–1970 pracowała w browarze Guinnessa, potem kierowała statystyką w Home Office. W 1975 r. jako pierwsza kobieta została wybrana na prezesa Royal Statistical Society (Phillpotts, 2012).

Czym Stella Cunliffe zajmowała się w browarze Guinnessa?

Między innymi kontrolą jakości pojemności drewnianych beczek – w pomiarach wyszła silna preferencja pewnych cyfr – oraz ślepymi i podwójnie ślepymi próbami smakowymi. Od 1955 r. kierowała działem statystyki browaru (Phillpotts, 2012).

Kiedy Stella Cunliffe została prezeską Royal Statistical Society?

Wybrano ją w 1975 r.; była pierwszą kobietą na tym stanowisku. Przemówienie prezesowskie „Interaction” wygłosiła 12 listopada 1975 r., a ukazało się drukiem w 1976 r. (Cunliffe, 1976).

Jak sprawdzić w R, czy w pomiarach jest preferencja cyfr końcowych?

Policz ostatnią cyfrę (x %% 10), zrób tabelę liczebności i porównaj ją z rozkładem jednostajnym testem chi-kwadrat zgodności. W danych o tętnie studentów z pakietu MASS zero kończy 56 z 192 wyników zamiast około 19, a χ²(9) = 120.19, p < .001.

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. Cunliffe, S. V. (1976). Interaction. Journal of the Royal Statistical Society: Series A (General), 139(1), 1–19. https://doi.org/10.2307/2344381
  2. Phillpotts, G. (2012). Stella Vivian Cunliffe. Journal of the Royal Statistical Society: Series A (Statistics in Society), 175(4), 1057–1070. https://doi.org/10.1111/j.1467-985x.2012.01068.x
  3. Preece, D. A. (1981). Distributions of final digits in data. The Statistician, 30(1), 31–60. https://doi.org/10.2307/2987702

Cytowania BibTeX

@article{cunliffe1976interaction, author={Cunliffe, Stella V.}, title={{Interaction}}, journal={Journal of the Royal Statistical Society: Series A (General)}, year={1976}, volume={139}, number={1}, pages={1--19}, doi={10.2307/2344381}}
@article{phillpotts2012stella, author={Phillpotts, Greg}, title={{Stella Vivian Cunliffe}}, journal={Journal of the Royal Statistical Society: Series A (Statistics in Society)}, year={2012}, volume={175}, number={4}, pages={1057--1070}, doi={10.1111/j.1467-985x.2012.01068.x}}
@article{preece1981distributions, author={Preece, D. A.}, title={{Distributions of final digits in data}}, journal={The Statistician}, year={1981}, volume={30}, number={1}, pages={31--60}, doi={10.2307/2987702}}
R