Badania biologiczne
Statystyka w badaniach przyrodniczych
Słowo statystyka pochodzi od łacińskiego status (czyli o stanie rzeczy państwa). Pierwsze badania statystyczne prowadzono już ok. lat w starożytnym Egipcie, gdzie cyklicznie określano stan ludności i zasobów państwa. Spisy takie prowadzono też w starożytnych Chinach, Grecji, Persji.
Parametry statystyczne
Dane statystyczne przedstawione w postaci uporządkowanego szeregu statystycznego, tablic bądź wykresów, można poddać analizie, której zadaniem jest wykrycie prawidłowości i związków zachodzących w badanej zbiorowości, co w konsekwencji może posłużyć do ustalenia przyczyn kształtowania się danego zjawiska.
Do analizy danych wykorzystywane są parametry statystyczne (zwane też miarami statystycznymi lub charakterystykami liczbowymi).
Do podstawowych parametrów opisujących strukturę zbiorowości statystycznych należą miary tendencji centralnej (np. średnia arytmetyczna, średnia ważona, dominanta) i miary rozproszenia (np. wariancja, odchylenie standardowe).
Miary tendencji centralnej (zwane miarami średnimi, przeciętnymi) charakteryzują przeciętny poziom badanego zjawiska. Przyjmują takie wartości, wokół których skupiają się wszystkie pozostałe wartości badanej cechy statystycznej. Są to miary mianowane, wyznaczane dla cech mierzalnych.
Miary rozproszenia (miary rozrzutu, odchylenia, dyspersji) informują jakie są różnice między poszczególnymi wartościami jednostek statystycznych, a ich wartością średnią. Pokazują stopień zróżnicowania między sobą jednostek statystycznych pod względem badanej cechy.
Miary tendencji centralnej
Średnia arytmetyczna
Średnia arytmetyczna (zwana też krótko średnią) jest jedną z miar tendencji centralnej, umożliwiającą formułowanie obiektywnych wniosków dotyczących zebranych danych liczbowych.
Średnią arytmetyczną liczb nazywamy liczbę określoną wzorem
Średnia arytmetyczna może przyjmować wartości, nie występujące w badanym zbiorze danych. Jest wielkością mianowaną, czyli jest wyrażona w takich samych jednostkach jak badana cecha.
Pewien zakład pracy zatrudnia pracowników. W maju pracownicy przepracowali odpowiednio: godzin, godzin, godzin, godzin. Obliczymy średnią godzin przepracowanych w maju przez jednego pracownika.
Rozwiązanie:
Zbiorowość statystyczną tworzą pracownicy zakładu pracy. Jest pracowników, zatem liczba jednostek statystycznych to .
Badana cecha to liczba przepracowanych godzin. Wartości tej cechy:
godzin, godzin, godzin, godzin.
Wykonujemy obliczenia, podstawiając wyznaczone liczby do wzoru na średnią arytmetyczną.
godzin
Odpowiedź:
Średnio w maju pracownik przepracował godzin. Dwóch pracowników przepracowało mniej godzin, a dwóch więcej od średniej.
Obliczając średnią arytmetyczną, należy uwzględnić wszystkie wartości danego zbioru. Oznacza to, że zmiana któregokolwiek z elementów zbioru danych prowadzi do zmiany wartości średniej.
Należy przy tym pamiętać, że średnia arytmetyczna nie może przyjmować wartości niższej niż najmniejsza wartość badanej cechy oraz wyższej niż największa wartość badanej cechy.
Średnie miesięczne wynagrodzenie w firmie zatrudniającej pracowników wynosiło . Zatrudniono nowego pracownika i teraz średnie miesięczne wynagrodzenie wzrosło o . Obliczymy ile zarabia nowo zatrudniony pracownik.
Rozwiązanie:
Oznaczmy:
– zarobki pierwszego pracownika,
– zarobki drugiego pracownika,
...
– zarobki dziewiątego pracownika,
– zarobki dziesiątego, nowo przyjętego pracownika.
Wtedy:
Stąd:
Po zatrudnieniu nowego pracownika średnia arytmetyczna zarobków wzrosła i wynosi teraz:
Podstawiając uzyskane dane do wzoru na średnią arytmetyczną, wyznaczymy wynagrodzenie nowo zatrudnionego pracownika.
Odpowiedź:
Nowo zatrudniony pracownik zarabia .
Średnia ważona
Wystawiając ocenę końcoworoczną z biologii w pewnej szkole, bierze się pod uwagę trzy liczby:
– średnią arytmetyczną ocen uzyskanych w ciągu całego roku szkolnego,
– ocenę z obowiązkowej pracy projektowej,
– udział w konkursach, olimpiadach, turniejach.
Wynik końcowy ustala się według wzoru:
Największe znaczenie (największą wagę) ma więc średnia ocen uzyskanych w ciągu całego roku szkolnego, oceny i mają mniejszą wagę.
Mówimy, że końcowa ocena jest średnią ważoną ocen , , z wagami odpowiednio , , .
Średnia ważona jest więc średnią elementów, którym przypisywane są różne wagi. Zatem elementy o większej wadze, mają większy wpływ na średnią. Jeśli wszystkie elementy mają takie same wagi – średnia ważona jest równa średniej arytmetycznej.
Statystycy rozważają kilka rodzajów średniej ważonej – my będziemy zajmować się tylko średnią ważoną arytmetyczną, zwaną krótko średnią ważoną.
Średnia ważona ma własności podobne do średniej arytmetycznej – jest mianowaną miarą tendencji centralnej (miary tendencji centralnej – zwane miarami średnimi, przeciętnymi – charakteryzują przeciętny poziom badanego zjawiska, przyjmują takie wartości, wokół których skupiają się wszystkie pozostałe wartości badanej cechy statystycznej).
Średnią ważoną arytmetyczną liczb z odpowiadającymi im odpowiednio wagami nazywamy liczbę określoną wzorem
gdzie:
– są liczbami dodatnimi.
Obliczymy średnią ważoną liczb z podanymi wagami.
Liczby | |||
Wagi |
Rozwiązanie:
Skorzystamy ze wzoru na średnią ważoną.
W rozważanym przypadku:
, ,
, ,
Stąd:
Odpowiedź:
Średnia ważona podanego zestawu liczb jest równa .
Średnia ważona wykorzystywana jest w sytuacjach, gdy pewnym wielkościom (danym) trzeba nadać większe znaczenie.
Aneta na egzaminie maturalnym zdawała trzy przedmioty w zakresie rozszerzonym: matematykę, fizykę i język angielski. Z matematyki uzyskała punkty, z fizyki punktów i z języka angielskiego punktów.
Aby Aneta została przyjęta na wybrane studia, średnia ważona liczby uzyskanych przez nią punktów powinna wynosić co najmniej .
Przy czym punktom zdobytym z matematyki przypisywano wagę , z fizyki wagę i z języka obcego wagę .
Ustalimy, czy Aneta dostanie się na wybrane przez siebie studia.
Rozwiązanie:
Przedstawimy wszystkie dane w tabeli.
Przedmiot | Liczba uzyskanych punktów | Waga | |
|---|---|---|---|
Matematyka | |||
Fizyka | |||
Język angielski | |||
Razem |
Obliczamy średnią ważoną liczby uzyskanych punktów.
Odpowiedź:
Średnia ważona uzyskanych przez Anetę punktów jest większa od wymaganej, zatem dostanie się ona na studia.
Uzyskane wyniki można zinterpretować następująco: pomimo, że Aneta otrzymała mniejszą liczbę punktów od wymaganej z fizyki i języka angielskiego, to wysoka waga liczby punktów uzyskanych z matematyki spowodowała, że w konsekwencji uzyskała wymaganą liczbę punktów.
Zauważmy też, że gdyby o przyjęciu na studia decydowała średnia arytmetyczna, to Aneta nie dostałaby się na studia, gdyż średnia ta jest równa .
Obliczymy średnią arytmetyczną zestawu danych: , , , , , , , , , , , .
Rozwiązanie:
I sposób:
Korzystamy ze wzoru na średnią arytmetyczną.
II sposób:
Zamiast średniej arytmetycznej obliczymy średnią ważoną, przyjmując, że wagami są liczebności danych.
Wartość | Liczebność | |
|---|---|---|
Razem |
Korzystamy ze wzoru na średnią ważoną.
W obu przypadkach otrzymaliśmy te same liczby.
Odpowiedź:
Średnia arytmetyczna zestawu danych jest równa .
Mediana
Mediana, zwana inaczej wartością środkową, zajmuje środkową pozycję w uporządkowanym szeregu statystycznym.
Będziemy ją oznaczać literą .
Zatem, aby wyznaczyć medianę, należy najpierw uszeregować dane, zgodnie ze wzrostem ich wartości. Mediana dzieli ciąg tych danych na dwie równoliczne części w ten sposób, że elementy jednej z tych części są nie większe od mediany, a drugiej z tych części – nie mniejsze od mediany.
Można ją wyznaczyć dla każdego szeregu statystycznego.
Mediana nieparzystej liczby danych
W przypadku uporządkowanego zestawu danych o nieparzystej liczebności, mediana jest środkowym elementem zestawu.
Na przykład mediana zestawu liczb: , , , , , , , , jest równa .

Wyznaczymy medianę zestawu liczb: , , , , , , .
Porządkujemy zestaw danych: , , , , , , .
Jest liczb. Środkowa to liczba (z prawej i lewej strony liczby znajdują się po elementy).

Grupę dziewcząt zapytano: Ile uprawiasz dyscyplin sportowych?
Otrzymano następujące dane: , , , , , , , , , , .
Określimy medianę tego zestawu danych.
Uzyskany szereg statystyczny jest już uporządkowany. Liczba elementów jest nieparzysta, zatem medianą będzie wartość środkowa, równa .

Interpretacja wyniku: połowa dziewcząt nie uprawia żadnej dyscypliny sportowej lub uprawia jedną, a druga połowa uprawia co najmniej jedną dyscyplinę sportową.
Mediana nieparzystej liczby danych
Niech liczby będą uporządkowanym niemalejąco zbiorem wszystkich danych. Jeśli jest liczbą nieparzystą, to medianą liczb jest liczba , gdzie .
Zatem:
Wyznaczymy medianę danych, korzystając z uporządkowanego szeregu statystycznego.
Liczba elementów szeregu: .
Medianą jest liczba , gdzie .
Stąd .
Medianą zestawu danych jest liczba .
Mediana parzystej liczby danych
W przypadku, gdy liczba danych jest parzysta, to „w środku” szeregu uporządkowanego znajdują się dwie liczby. Medianą jest wtedy średnia arytmetyczna tych liczb.

Wyznaczymy medianę zestawu danych: , , , , , , ,.
Porządkujemy dane: , , , , , , ,.
Liczba danych jest parzysta. Gdybyśmy zaznaczyli prostą, dzielącą zbiór danych na dwie równe części, to mediana byłaby średnią arytmetyczną dwóch liczb, sąsiadujących z prawej i lewej strony z linią podziału. Czyli dwóch liczb „środkowych”.

Medianą danego zbioru danych jest liczba .
Określimy medianę wieku grupy osób, od których uzyskano następujące dane: , , , , , .
Tworzymy szereg uporządkowany: , , , , , .
Liczba danych jest parzysta. Obliczamy średnią arytmetyczną dwóch liczb „środkowych”.
Mediana wieku badanej grupy osób jest równa 17 lat.
Interpretacja mediany: badanych osób ma wiek mniejszy bądź równy , badanych osób ma wiek większy bądź równy .
Mediana parzystej liczby danych
Niech liczby będą uporządkowanym niemalejąco zbiorem wszystkich danych. Jeśli jest liczbą parzystą, to medianą liczb jest liczba , gdzie .
Moda
Moda (dominanta, wartość najczęstsza, wartość modalna) to wartość cechy statystycznej, która występuje najczęściej w badanym zbiorze danych (czyli dominuje w tym zbiorze).
Oznaczamy ją literą .
Jest to miara mianowana, ma takie samo mino jak badana cecha statystyczna.
W dalszych rozważaniach będziemy posługiwać się zamiennie terminem moda i dominanta.
Dominantę można wyznaczać nie tylko dla liczbowych wartości zmiennych (w przeciwieństwie, np. do średniej arytmetycznej czy mediany). Jest to szczególnie istotne w zastosowaniach praktycznych.
W zbiorze: gorzki, słodki, kwaśny, gorzki, gorzki, kwaśny, kwaśny, gorzki dominantą jest gorzki (ten element w zbiorze danych wystąpił najwięcej razy).
Na grzędce rosną: astry, róż, dwie aksamitki i fiołki. Najwięcej jest róż. Zatem, jeśli rozważymy zbiór kwiatów rosnących na tej grządce, to dominantą będzie róża.
W badanym zbiorze danych może nie istnieć dominanta lub może być kilka dominant.
W zbiorze danych: , , , , , , , , są dwie dominanty: i . Obie te liczby występują w danym zbiorze tyle samo razy.
W każdym z pokoi policzono liczbę okien i otrzymano następujące wyniki: , , , , , .
W tym zestawie wszystkie wyniki powtarzają się po tyle samo razy. Przyjmujemy, że ten zbiór nie ma dominanty.
Jeśli w danym zbiorze danych statystycznych:
kilka z tych danych występuje z tą samą największą liczebnością, to przyjmujemy, że każda z nich jest dominantą,
wszystkie dane występują z tą samą liczebnością, to przyjmujemy, że ten zestaw nie ma dominanty.
Miary rozproszenia
Rozpatrzymy wyniki dwóch serii rzutów kostką do gry.
Seria 1 | Seria 2 |
|---|---|
W obu przypadkach średnia arytmetyczna liczby wyrzuconych oczek jest równa . Mediana obu zestawu danych też jest równa i wynosi . Jednak oba te zestawy danych wyraźnie się różnią. Pierwszy zestaw nie jest zróżnicowany, a drugi – zróżnicowany. Widać więc, że zastosowanie miar tendencji centralnej nie opisuje dobrze różnic między tymi zestawami.
Aby więc analiza danych była pełniejsza, warto zastosować jeszcze charakterystyki zróżnicowania (rozproszenia) danych, zwane miarami rozproszenia (dyspersji). Miary te pozwalają na określenie, jak duże są różnice (odchylenia) między poszczególnymi wartościami jednostek zbiorowości, a ich wartością przeciętną (średnią).
Miary rozproszenia (rozrzutu, zmienności, dyspersji) to miary charakteryzujące stopień zróżnicowania między sobą jednostek statystycznych pod względem badanej cechy.
Przykładowe miary rozproszenia to rozstęp, wariancja, odchylenie standardowe.
Rozstęp
Rozstęp jest miarą służącą do wstępnej analizy rozproszenia.
Rozstępem (obszarem zmienności) nazywamy różnicę między największą a najmniejszą wartością cechy w szeregu statystycznym.
Rozstęp oznaczamy literą .
gdzie:
– największa wartość cechy,
– najmniejsza wartość cechy.
W tabeli przedstawiono oceny z historii uzyskane przez Anię, Ewę i Julka.
Osoba | Oceny z historii |
|---|---|
Ania | |
Ewa | |
Julek |
Odchylenie przeciętne
Odchyleniem wartości cechy statystycznej od średniej arytmetycznej nazywamy liczbę .
Policzono ile bombek zawieszono na choinkach stojących na Placu Ratuszowym. Otrzymano następujące wyniki: , , , .
Obliczymy średnią arytmetyczną liczby bombek i dla każdego wyniku podamy odchylenie od średniej liczb bombek.
Rozwiązanie:
Obliczamy średnią arytmetyczną:
Obliczamy odchylenie od średniej.
Argumenty i Wartości | ||||
|---|---|---|---|---|
Wniosek:
Największe odchylenie od średniej jest w przypadku choinki, na której zawieszono bombki.
Miarą rozproszenia, która uwzględnia wszystkie dane rozkładu (a nie poszczególne elementy – tak jak odchylenie od średniej), jest odchylenie przeciętne (średnie).
Odchyleniem przeciętnym zestawu danych statystycznych od ich średniej arytmetycznej nazywamy liczbę:
Obliczymy odchylenie przeciętne dla zestawu danych z Przykładu .
Możemy powiedzieć, że liczby bombek na poszczególnych choinkach różnią się o ok. od średniej dla wszystkich choinek.
Wariancja
Podstawową miarą zmienności obserwowanych wyników jest wariancja. Wariancja informuje o tym, jak duże jest zróżnicowanie wyników w danym zbiorze danych – czy wyniki są bardziej czy mniej skoncentrowane wokół średniej.
Wariancją zestawu danych statystycznych nazywamy średnią arytmetyczną kwadratów odchyleń od ich średniej arytmetycznej .
Wariancję oznaczamy symbolem ( – sigma) i określamy wzorem:
W loterii fantowej wzięły udział osoby. Każda wyciągnęła losów. Pierwsza z osób wyciągnęła 4 losy pełne, druga , a trzecia . Obliczymy wariancję wyciagnięcia losów pełnych.
Obliczamy średnią arytmetyczną liczb: , , .
Obliczamy wariancję.
Wariancja jest równa w przybliżeniu .
Obliczymy wariancję dla zestawu danych zapisanych w tabeli liczebności.
Argumenty i Wartości | ||||
|---|---|---|---|---|
Wartość cechy | ||||
Liczebność | ||||
Obliczamy średnią arytmetyczną.
Obliczymy wariancję.
Wariancja dla podanego zestawu danych jest równa .
Obliczymy rozstęp, średnią arytmetyczną, odchylenie przeciętne i wariancję dla zestawu danych: , , , , .
Rozwiązanie:
Zapisujemy dane w postaci uporządkowanego szeregu statystycznego.
Obliczamy rozstęp.
Obliczamy średnią arytmetyczną.
Obliczamy odchylenie przeciętne.
Obliczamy wariancję.
Na podstawie wartości uzyskanych parametrów zauważamy, że zróżnicowanie danych jest duże (różnica między wartością największą a najmniejszą to aż , wariancja to ).
Odchylenie standardowe
Odchylenie standardowe jest najczęściej stosowaną miarą rozproszenia. Jest miarą określającą przeciętne zróżnicowanie poszczególnych wartości cechy statystycznej od poziomu średniej arytmetycznej. Odchylenie standardowe to pierwiastek kwadratowy ze średniej arytmetycznej kwadratów odchyleń poszczególnych wartości cechy od wartości średniej arytmetycznej.
Odchyleniem standardowym zestawu danych statystycznych od średniej arytmetycznej nazywamy liczbę równą pierwiastkowi kwadratowemu z wariancji.
Podstawowe własności
Odchylenie standardowe:
to miara mianowana – ma miano takie, jak badana cecha statystyczna,
jest liczone na podstawie wszystkich obserwacji,
bazuje na średniej arytmetycznej, a więc nie może być wyznaczone w szeregach, w których nie można wyznaczyć średniej,
określa miarę rozrzutu jednej zbiorowości pod względem jednej cechy,
im ma wyższą wartość, tym bardziej zróżnicowana jest badana zbiorowość statystyczna.
Wyznaczanie odchylenia standardowego w szeregach szczegółowych
Zbadano liczbę czekoladek w pudełkach z napisem „zawartość ”. Otrzymano wyniki: , , , , . Obliczymy odchylenie standardowe tych danych.
Rozwiązanie:
Porządkujemy dane według rosnących wartości.
Określamy liczbę danych: .
Obliczamy średnią arytmetyczną.
Obliczamy odchylenia od średniej dla każdej z danych.
Obliczamy odchylenie standardowe, podstawiając do wzoru wyznaczone odchylenia od średniej.
Odpowiedź:
Odchylenie standardowe jest równe , co oznacza, że liczba czekoladek w pudełkach różni się przeciętnie od średniej o czekoladki.
Zbadano cenę pączków w kilku sklepach. Otrzymano następujące wyniki: , , , , , . Obliczymy odchylenie standardowe ceny pączków od średniej.
Rozwiązanie:
Porządkujemy dane: , , , , , .
Obliczamy średnią arytmetyczną cen.
Obliczamy odchylenie od średniej dla każdej z danych.
Obliczamy odchylenie standardowe.
Odpowiedź:
Odchylenie standardowe jest równe w przybliżeniu , co oznacza, że ceny różnią się przeciętnie o od średniej ceny.
Przeanalizuj przykłady wyznaczania odchylenia standardowego. Zastanów się, w jaki sposób można zinterpretować wyniki obliczeń. Wykonaj polecenie.

Film dostępny pod adresem /preview/resource/R10XDsgFoX7Hr
Film nawiązujący do treści materiału dotyczącego zagadnienia odchylenia standardowego.
Korzystające ze wzoru zapisanego w animacji, oblicz odchylenie standardowe zestawu danych: , , , . Wynik podaj z dokładnością do .
Ćwiczenia utrwalające
Zważono losowo wybrane tabliczki czekolady, produkowanej w pewnej fabryce. Otrzymane dane zamieszczono w tabeli.
Masa tabliczki czekolady (w ) | Liczba tabliczek czekolady (w .) |
|---|---|
Maciek w tym semestrze otrzymał z geografii trzy czwórki, dwie piątki, cztery trójki i szóstkę. Oblicz wariancję dla tych danych.