Prace Jerzego Spławy-Neymana w zakresie teorii estymacji oraz weryfikacji hipotez statystycznych (prowadzone wspólnie z Egonem Pearsonem), jak również dokonana przez niego matematyczna analiza teorii wyboru próby, wskazująca na nieuzasadnione stosowanie wyboru celowego zamiast wyboru losowego, miały istotny wpływ na szybki postęp w statystyce matematycznej i stosowanie metody reprezentacyjnej w ciągu ostatnich 100 lat. Przypadająca w tym roku 40. rocznica śmierci tego wybitnego polskiego statystyka stanowi okazję do przywołania jego postaci. Celem artykułu jest przedstawienie osiągnięć Spławy- -Neymana, głównie z lat 1921–1938, kiedy krajem jego stałego zamieszkania była Polska. Jego ówczesna twórczość inspiruje kolejne pokolenia statystyków na całym świecie.
Jerzy Spława-Neyman, statystyka matematyczna, metoda reprezentacyjna
B29, C10, C12, C13
Bednarski, T. (2013). Rola Jerzego Spławy-Neymana w kształtowaniu metod statystycznej analizy przyczynowości. W: Z. Rusnak, E. Mazurek (red.), Społeczno-gospodarcze aspekty statystyki (s. 11–18). Uniwersytet Ekonomiczny we Wrocławiu. https://www.dbc.wroc.pl/Content/28780/PDF/Bednarski_Rola_Jerzego_Splawy_Neymana_w_Ksztaltowanie_2013.pdf .
Inglot, T., Ledwina, T. (1996). Asymptotic Optimality of Data-Driven Neyman’s Tests for Uniformality. The Annals of Statistics, 24(5), 1982–2019.
Inglot, T., Ledwina, T. (2001a). Asymptotic Optimality of Data Driven Smooth Tests for Location- Scale Family. Sankhya, Series A, 63(1), 41–71.
Inglot, T., Ledwina, T. (2001b). Intermediate Approach to Comparison of Some Goodness-of-Fit Tests. Annals of the Institute of Statistical Mathematics, 53(4), 810–834. https://doi.org/10.1023/A:1014669423096 .
Inglot, T., Ledwina, T. (2004). On consistent minimax distinguishability and intermediate efficiency of Cramér-von Mises test. Journal of Statistical Planning and Inference, 124(2), 453–474. https://doi.org/10.1016/j.jspi.2003.03.001 .
Kallenberg, W. C. M., Ledwina, T. (1995). Consistency and Monte Carlo Simulation of Data Driven Version of Smooth Goodness-of-Fit Tests. The Annals of Statistics, 23(5), 1594–1608.
Kallenberg, W. C. M., Ledwina, T. (1997). Data-Driven Smooth Tests when the Hypothesis is Composite. Journal of the American Statistical Association, 92(439), 1094–1104. https://doi.org/10.1080/01621459.1997.10474065 .
Kallenberg, W. C. M., Ledwina, T. (1999). Data-Driven Rank tests for Independence. Journal of the American Statistical Association, 94(445), 285–301.
Kendall, D. G., Bartlett, M. S., Page, T. L. (1982). Jerzy Neyman 16 April 1894-5 August 1981. Biographical Memoris of Fellows of the Royal Society, 28, 379–412. https://doi.org/10.1098/rsbm.1982.0015 .
Kołmogoroff, A. (1933). Grundbegriffe der Wahrscheinlichkeitsrechnung. Springer-Verlag. https://doi.org/10.1007/978-3-642-49888-6 .
Lecam, L., Lehamann, E. L. (1974). J. Neyman. On the occasion of his 80th birthday. Annals of Statistics, 2(3), 7–13. https://doi.org/10.1214/aos/1176342703 .
Ledwina, T. (1994). Data-Driven Version of the Neyman’s Smooth Test of Fit. Journal of American Statistical Association, 89(427), 1000–1005.
Ledwina, E. (2018). Jerzy Neyman (Spława). W: Główny Urząd Statystyczny, Statystycy polscy. Biogramy (s. 274–282). https://bws.stat.gov.pl/BWS/Archiwum/gus_bws_67_Statystycy_polscy_Biogramy.pdf .
Łazowska, B. (1995). Bibliografia prac prof. dr. Jerzego Neymana (1894-1981). Centralna Biblioteka Statystyczna. http://statlibr.stat.gov.pl/exlibris/aleph/a22_1/apache_media/X6H1VMDHNB2PJN4U7N9MBRF5C16M8J.pdf .
Neyman J. (1934). On the Two Different Aspects of the Representative Method: The Method of Stratified Sampling and the Method of Purposive Selection. Journal of the Royal Statistical Society, 97(4), 558–625.
Neyman, J. (1979). Narodziny statystyki matematycznej. Wiadomości Matematyczne, 22(1), 91– 106. https://wydawnictwa.ptm.org.pl/index.php/wiadomosci-matematyczne/article/view/3670/3290 .
Neyman, J., Pearson, E. S. (1928a). On the use and interpretation of certain test criteria for purposes of statistical inference. Part I, Biometrika, 20A, 175–240.
Neyman, J., Pearson, E. S. (1928b). On the use and interpretation of certain test criteria for purposes of statistical inference. Part II, Biometrika, 20A, 263–294.
Neyman, J., Pearson, E. S. (1933a). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society of London, Series A, 231, 289–337.
Neyman, J., Pearson, E. S. (1933b). The testing of statistical hypotheses in relations to probability a priori. Mathematical Proceedings of the Cambridge Philosophical Society, 29(4), 492–510.
Neyman, J., Pearson, E. S. (1967). Joint statistical papers. University California Press. https://doi.org/10.1525/9780520339897 .
Rubin, D. B. (1990). Comment: Neyman (1923) and Causal Inference in Experiments and Observational Studies. Statistical Science, 5(4), 472–480. https://doi.org/10.1214/ss/1177012032 .
Spława-Neyman, J., Dąbrowska, D. M., Speed, T. P. (1990). On the Application of Probability Theory to Agricultural Experiments. Essay on Principles. Section 9. Statistical Science, 5(4), 465–472. https://doi.org/10.1214/ss/1177012031.
Sukhatme, P. V. (1966). Major Developments in Sampling Theory and Practice. W: F. N. David (red.), Research papers in statistics: Festschrift for J. Neyman (s. 367–409). John Wiley & Sons.
