Czwartek, czytelnia, za tydzień kolokwium ze statystyki. Na stole leży kartka ze wzorami, a obok notatki z metodologii, które nagle wydają się prostsze. Koleżanka obok mówi cicho: „Poszłam na psychologię, bo interesują mnie ludzie, a nie liczby”. Jeśli brzmi to znajomo, ten tekst jest dla Ciebie. Statystyka w psychologii dla początkujących to nie matematyka dla matematyków, tylko język, w którym psychologia opisuje ludzi i sprawdza swoje twierdzenia. Przejdziemy razem od średniej do testu istotności, na małych liczbach i krok po kroku. Wszystko, co tu policzysz, policzysz na zwykłym kalkulatorze.
Statystyka w psychologii dla początkujących: po co psychologowi liczby i od czego zacząć?
Psychologia bada zjawiska, których nie widać gołym okiem: lęk, pamięć, motywację, postawy. Żeby powiedzieć o nich coś więcej niż „wydaje mi się”, potrzebujemy liczb i reguł wnioskowania. Statystyka odpowiada na dwa rodzaje pytań:
- statystyka opisowa mówi, jak wyglądają dane, które masz przed sobą: jaki jest typowy wynik i jak bardzo wyniki się różnią,
- statystyka wnioskująca pozwala ostrożnie przenieść wnioski z próby na szerszą populację i ocenić, czy zaobserwowana różnica nie jest dziełem przypadku.
Zanim cokolwiek policzysz, sprawdź, na jakiej skali zmierzono zmienną. Płeć czy kierunek studiów to skala nominalna, miejsce w rankingu to skala porządkowa, a wynik testu wiedzy zwykle traktujemy jako skalę przedziałową. Od skali zależy, które miary i które testy mają sens. To jedna z tych rzeczy, które wystarczy zrozumieć raz, a potem porządkują cały przedmiot.
Dobra wiadomość na start: już teraz umiesz więcej, niż myślisz. Jeśli kiedykolwiek liczyłaś lub liczyłeś średnią ocen, to znasz pierwszą miarę z tego tekstu.
Statystykę najłatwiej oswoić, licząc ją na małych przykładach krok po kroku. Tak zbudowany jest kurs „Statystyka dla studentów psychologii bez strachu i od podstaw”: każdy wzór od razu trafia na konkretne liczby, a obok obliczeń jest interpretacja wyniku.
Weźmy pięć wyników krótkiego testu wiedzy: 3, 5, 6, 6, 10 punktów. To nasz wspólny przykład na resztę tekstu.
Średnia arytmetyczna to suma wyników podzielona przez ich liczbę. Suma wynosi 30, osób jest 5, więc średnia to 6.
Mediana to wynik środkowy po uporządkowaniu danych od najmniejszego do największego. Przy pięciu wynikach środkowy jest trzeci z kolei, czyli 6.
Dominanta to wynik, który pojawia się najczęściej. Tu jest to 6, bo występuje dwa razy.
Po co trzy miary, skoro tu wszystkie dają 6? Zmień ostatni wynik z 10 na 30. Suma wzrośnie do 50, a średnia do 10, choć cztery z pięciu osób mają 6 punktów lub mniej. Mediana nadal wynosi 6. To pokazuje ważną zasadę: średnia jest wrażliwa na wartości odstające, a mediana jest na nie odporna. Dlatego przy danych z kilkoma skrajnymi wynikami warto podawać medianę obok średniej albo zamiast niej.
Szybka kontrola „na oko” chroni przed błędem rachunkowym: średnia musi leżeć między najmniejszym a największym wynikiem. Jeśli wyszło Ci inaczej, wróć do dodawania.
Odchylenie standardowe: jak bardzo różnią się wyniki?
Dwie grupy mogą mieć tę samą średnią, a zupełnie inny rozrzut wyników. Do opisu rozrzutu służą wariancja i odchylenie standardowe. Policzmy je dla wyników 3, 5, 6, 6, 10 ze średnią 6.
- Od każdego wyniku odejmij średnią: wychodzi minus 3, minus 1, 0, 0 i 4. Kontrola: suma odchyleń zawsze wynosi zero, i tu też tak jest.
- Podnieś każde odchylenie do kwadratu: 9, 1, 0, 0, 16.
- Zsumuj kwadraty: 26.
- Podziel przez liczbę wyników minus jeden, czyli przez 4. Wariancja z próby wynosi 6,5.
- Wyciągnij pierwiastek z wariancji: odchylenie standardowe wynosi około 2,55 punktu.
Dlaczego dzielimy przez liczbę wyników minus jeden? Bo liczymy wariancję z próby i chcemy dobrze oszacować rozrzut w populacji. Gdyby te pięć osób było całą populacją, dzielilibyśmy przez 5. Dlaczego pierwiastek? Wariancja jest wyrażona w „punktach do kwadratu”, a pierwiastek przywraca jednostkę wyniku. Dzięki temu odchylenie standardowe da się czytać wprost: typowy wynik odbiega od średniej mniej więcej o dwa i pół punktu.
W artykułach naukowych średnią i odchylenie standardowe podaje się razem, w zapisie M i SD. Kiedy zobaczysz w tabeli M = 6 i SD = 2,55, wiesz już, co one znaczą.
Jak policzyć wynik standaryzowany i do czego się przydaje?
Ola dostała 26 punktów z testu, w którym średnia grupy wynosiła 20, a odchylenie standardowe 4. Kuba dostał 60 punktów z innego testu, gdzie średnia wynosiła 50, a odchylenie standardowe 10. Kto wypadł lepiej na tle swojej grupy? Surowe punkty tego nie powiedzą, bo testy mają różne skale.
Pomaga wynik standaryzowany, nazywany też wynikiem z. Liczy się go tak: od wyniku odejmij średnią i podziel przez odchylenie standardowe.
- Ola: 26 minus 20 to 6, a 6 podzielone przez 4 daje 1,5.
- Kuba: 60 minus 50 to 10, a 10 podzielone przez 10 daje 1.
Ola jest półtora odchylenia standardowego powyżej średniej swojej grupy, Kuba jedno. Na tle grup lepiej wypadła Ola, choć ma mniej punktów. Wynik z równy zero oznacza wynik równy średniej, znak minus oznacza wynik poniżej średniej, a im dalej od zera, tym wynik rzadszy w grupie, zwłaszcza gdy rozkład wyników jest zbliżony do normalnego. Na tej samej logice opiera się porównywanie wyniku osoby z normami w psychometrii.
Czym jest test istotności i jak go zrozumieć bez strachu?
Teraz najważniejszy krok, który w statystyce w psychologii dla początkujących budzi najwięcej obaw. Wyobraź sobie badanie: jedna grupa studentów powtarza materiał fiszkami rozłożonymi w czasie, druga czyta notatki w przeddzień kolokwium. Grupa z fiszkami ma wyższą średnią. Pytanie brzmi: czy ta różnica jest na tyle duża, że trudno ją wyjaśnić przypadkiem, czy mogła się pojawić, nawet jeśli metoda nauki nic nie zmienia?
Test istotności działa według stałego schematu:
- Formułujesz hipotezę zerową: w populacji nie ma różnicy między metodami. Obok niej stoi hipoteza alternatywna: różnica istnieje.
- Przed badaniem ustalasz próg istotności, w psychologii najczęściej 0,05.
- Wybierasz test pasujący do danych. Dla dwóch niezależnych grup i wyniku na skali przedziałowej typowym wyborem jest test t dla prób niezależnych.
- Liczysz statystykę testu i wartość p.
- Podejmujesz decyzję: jeśli p jest mniejsze od przyjętego progu, odrzucasz hipotezę zerową. Jeśli nie, mówisz, że nie ma podstaw do jej odrzucenia.
Wartość p to prawdopodobieństwo uzyskania wyniku co najmniej tak skrajnego jak zaobserwowany, przy założeniu, że hipoteza zerowa jest prawdziwa. Nie jest to prawdopodobieństwo, że hipoteza zerowa jest prawdziwa, ani szansa, że wynik się powtórzy. To najczęstszy błąd na egzaminach, więc warto zapamiętać tę definicję słowo w słowo.
Dwie ważne konsekwencje. Po pierwsze, test niczego nie „udowadnia”: istotny wynik to argument przeciw hipotezie zerowej, a nie dowód absolutny. Po drugie, brak istotności nie oznacza, że różnicy na pewno nie ma. Mała próba może po prostu nie mieć wystarczającej mocy, żeby ją wykryć. Stąd dwa rodzaje błędów: błąd pierwszego rodzaju to odrzucenie prawdziwej hipotezy zerowej, a błąd drugiego rodzaju to nieodrzucenie fałszywej.
Jeśli chcesz przećwiczyć ten schemat na liczbach, w kursie statystyki test t jest policzony ręcznie krok po kroku, a dwa ostatnie moduły to zestawy zadań obliczeniowych z pełnymi rozwiązaniami. Do kursu dołączona jest też tabela interpretacji wyników p, r i d Cohena. Sprawdź program kursu statystyki
Czy istotny wynik to ważny wynik, czyli po co wielkość efektu i przedział ufności?
Nie zawsze. Istotność silnie zależy od liczebności próby. Przy bardzo dużej próbie nawet drobna, praktycznie bez znaczenia różnica może okazać się istotna. Dlatego obok wartości p podaje się wielkość efektu. Dla różnicy dwóch średnich najczęściej jest to d Cohena, które mówi, o ile odchyleń standardowych różnią się grupy. Umowne progi to około 0,2 dla efektu małego, 0,5 dla średniego i 0,8 dla dużego. To orientacyjne punkty odniesienia, a nie sztywne granice.
Drugim uzupełnieniem jest przedział ufności. Pokazuje on zakres wartości, w którym z określoną ufnością szacujemy wielkość w populacji, na przykład różnicę średnich. Wąski przedział oznacza precyzyjne oszacowanie, szeroki oznacza dużą niepewność. Uwaga na częsty błąd interpretacji: poziom ufności opisuje metodę budowania przedziałów przy wielokrotnym powtarzaniu badania, a nie szansę, że ten jeden konkretny przedział zawiera prawdziwą wartość.
W naszym przykładzie z fiszkami rzetelny opis wyniku zawierałby więc trzy elementy: czy różnica jest istotna, jak duży jest efekt i jak precyzyjnie go oszacowano.
Statystyka w psychologii dla początkujących: jak się jej uczyć, żeby została w głowie?
Kilka sprawdzonych zasad, które pomagają przejść przez przedmiot spokojnie:
- Rozbijaj wzór na kroki. Odchylenie standardowe to pięć prostych działań, a nie jeden straszny wzór.
- Podstawiaj małe liczby. Zanim zrozumiesz wzór ogólny, policz go na trzech lub pięciu wynikach.
- Pytaj, czy wynik ma sens. Średnia poza zakresem danych albo ujemna wariancja to sygnał błędu rachunkowego, a nie dowód, że „nie umiesz statystyki”.
- Oddzielaj rachunek od rozumienia. Pomyłka w dodawaniu to literówka. Ważniejsze jest to, czy wiesz, po co liczysz i co mówi wynik.
- Ćwicz krótko i regularnie. Kilka krótkich sesji w tygodniu działa lepiej niż jedna długa noc przed kolokwium.
Kiedy opanujesz podstawy, przyda Ci się praktyczny przewodnik o tym, jak wybrać test statystyczny do pracy z psychologii, a potem instrukcja, jak zrobić analizę w JASP krok po kroku. Szerszy plan nauki wszystkich przedmiotów znajdziesz w tekście o materiałach do nauki psychologii.
Gdzie przećwiczyć statystykę krok po kroku?
Ten tekst to statystyka w psychologii dla początkujących w pigułce: od średniej do testu istotności. Kurs rozwija każdy element na przykładach obliczeniowych i pokazuje, jak czytać wyniki w artykułach naukowych. Kurs jest dostępny w planie Student.
- 40 modułów i 120 lekcji, łącznie ponad 31 godzin materiału,
- obliczenia krok po kroku: średnia, odchylenie standardowe, wynik standaryzowany, korelacja, test t, chi kwadrat, analiza wariancji i testy nieparametryczne,
- moduły o czytaniu tabel z artykułów i o tłumaczeniu zapisu statystycznego na zwykły język,
- dwa zestawy zadań z pełnymi rozwiązaniami oraz fiszki z kluczowymi wzorami i pojęciami.
Zacznij naukę statystyki od podstaw
Najczęściej zadawane pytania
Czy statystyka na psychologii jest trudna?
Dla większości osób trudniejsza w wyobrażeniu niż w praktyce. Na poziomie pierwszych lat studiów wystarczają podstawowe działania arytmetyczne, a kluczem jest zrozumienie logiki wnioskowania. Regularne ćwiczenie na małych przykładach szybko zmniejsza napięcie.
Od czego zacząć naukę statystyki w psychologii?
Zacznij od skal pomiarowych i statystyki opisowej: średniej, mediany, dominanty i odchylenia standardowego. Potem przejdź do wyniku standaryzowanego, korelacji i dopiero wtedy do testów istotności.
Co oznacza wartość p?
To prawdopodobieństwo uzyskania wyniku co najmniej tak skrajnego jak zaobserwowany, przy założeniu prawdziwości hipotezy zerowej. Nie mówi, z jakim prawdopodobieństwem hipoteza zerowa jest prawdziwa.
Czym różni się odchylenie standardowe od wariancji?
Odchylenie standardowe to pierwiastek z wariancji. Wariancja jest wyrażona w jednostkach do kwadratu, a odchylenie standardowe w jednostkach wyniku, więc łatwiej je interpretować.
Dlaczego obok istotności podaje się wielkość efektu?
Bo istotność zależy od liczebności próby i nie mówi, jak duża jest różnica. Wielkość efektu, na przykład d Cohena, opisuje siłę zjawiska niezależnie od tego, ile osób zbadano.
Kiedy lepsza jest mediana niż średnia?
Gdy w danych są wartości odstające albo rozkład jest wyraźnie skośny. Mediana jest na nie odporna, a średnia potrafi się przez nie mocno przesunąć.
Czy do statystyki potrzebny jest program komputerowy?
Na początku nie. Podstawowe miary warto policzyć ręcznie, żeby zrozumieć ich logikę, a potem przenieść obliczenia do arkusza kalkulacyjnego lub programu statystycznego.
Źródła
Ostatnia aktualizacja: 10 października 2026. Artykuł ma charakter edukacyjny.
