Wizualizacja wyników badań naukowych. Wnioskowanie statystyczne i analizy on-line

<jats:p>Metody graficzne są kojarzone przede wszystkim z zagadnieniami statystyki opisowej. W tradycyjnym ujęciu pełnią one funkcję pomocniczą – służą do przed- stawienia rozkładów, relacji między zmiennymi czy wykrywania obserwacji od- stających. Ich rola ogranicza się często do wstępnej analizy danych, która poprze- dza właściwe wnioskowanie statystyczne. W statystyce opisowej wykresy (np. histogramy, wykresy pudełkowe, wykresy rozrzutu) ułatwiają interpretację nawet bardzo złożonych zależności w zbiorach danych, czyniąc wyniki bardziej przy- stępnymi i zrozumiałymi dla odbiorcy. W tym sensie wykresy są traktowane jako narzędzie eksploracji umożliwiające intuicyjne zrozumienie struktury danych. Wnioskowanie statystyczne odgrywa jednak kluczową rolę w badaniach na- ukowych, ponieważ umożliwia uogólnianie wyników uzyskanych z próby na całą populację oraz szacowanie niepewności tych uogólnień. Ta fundamentalna wła- ściwość czyni je niezastąpionym narzędziem w niemal wszystkich dyscyplinach nauki – od medycyny i fizyki, przez psychologię, aż po ekonomię i finanse. Klu- czowe znaczenie wnioskowania statystycznego polega również na jego roli w za- pewnianiu powtarzalności i weryfikowalności badań naukowych. Poprzez formali- zację procedur testowania hipotez i szacowania niepewności metody statystyczne umożliwiają innym badaczom ocenę wiarygodności przedstawionych wyników oraz replikację badań. To z kolei przyczynia się do akumulacji wiedzy naukowej i eli- minowania błędnych wniosków. Metody wnioskowania statystycznego nie tylko umożliwiają uogólnianie wyników badań, ale też stały się fundamentalnym narzę- dziem wspierającym rozwój współczesnej nauki, zapewniając jej rygor metodo- logiczny, obiektywność i możliwość empirycznej weryfikacji teorii naukowych. Wraz z rozwojem metod wizualizacji danych, a także coraz większą dostęp- nością narzędzi obliczeniowych metody graficzne zaczynają odgrywać znacznie ważniejszą rolę również w kontekście wnioskowania statystycznego. Coraz czę- ściej są one wykorzystywane nie tylko w celu zilustrowania wyników, lecz również jako integralny element procesu podejmowania decyzji statystycznych. W szczegól- ności pozwalają zobrazować ocenę istotności statystycznej, wiarygodność szacun- ków czy porównanie modeli – w sposób bardziej przejrzysty i przystępny niż tra- dycyjne wskaźniki liczbowe. Znaczenie metod graficznych we wnioskowaniu statystycznym rośnie, zwłaszcza w kontekście eksploracyjnej analizy danych oraz komunikacji wyników testów statystycznych. Graficzne przedstawienie rozkładów statystyk testowych, 𝑝𝑝-wartości czy przedziałów ufności pozwala lepiej zrozumieć mechanizmy lo- sowe, ocenić założenia modeli oraz zilustrować efekty badanych zjawisk. Coraz częściej wizualizacje wspierają interpretację wyników testów permutacyjnych czy bootstrapowych, ułatwiając zarówno eksplorację, jak i prezentację wniosków. W niniejszej monografii podjęto próbę zwrócenia uwagi na znaczną i coraz większą rolę metod graficznych w zagadnieniach wnioskowania statystycznego. Szczególną uwagę poświęcono ich zastosowaniu w permutacyjnym wnioskowa- niu statystycznym opartym na modelu Fishera-Pitmana. Podejście to stanowi in- teresującą i coraz szerzej akceptowaną alternatywę wobec klasycznego modelu populacyjnego, znanego z ujęcia Neymana-Pearsona. Permutacyjne testy statystyczne, będące podstawą tego modelu, pozwalają na ocenę istotności bez konieczności przyjmowania założeń o rozkładzie zmiennej lo- sowej w populacji. Dzięki temu są one szczególnie użyteczne w analizach danych o nietypowej strukturze lub w badaniach, w których klasyczne założenia nie są speł- nione. Co istotne, permutacyjne metody dają się w sposób naturalny przedstawić i zinterpretować graficznie – np. poprzez rozkład permutacyjny statystyki testowej czy wizualizację 𝑝𝑝-wartości na podstawie próbkowania permutacyjnego. Opracowywanie nowych metod badawczych stanowi istotny element pracy naukowej. Ważną rolę w ich analizie i prezentacji odgrywa wizualizacja. Zasto- sowanie tego narzędzia przedstawiono na przykładzie autorskiego wielowymia- rowego testu pustych cel. Takie wizualne podejście nie tylko zwiększa transpa- rentność procesu wnioskowania, ale także ułatwia jego komunikację – zarówno w kontekście dydaktycznym, jak i w prezentacji wyników badań naukowych. W efekcie metody graficzne zyskują na znaczeniu nie tylko jako narzędzie wspo- magające interpretację, lecz także jako pełnoprawna część procesu analizy staty- stycznej. Monografia ma na celu ukazanie rosnącego znaczenia metod graficznych w kontekście wnioskowania statystycznego, a nie jedynie w ramach klasycznej statystyki opisowej. Zmierza to do wykazania, że wizualizacja danych może peł- nić funkcję nie tylko ilustracyjną, lecz także analityczną i inferencyjną, wspierając proces podejmowania decyzji w badaniach statystycznych. Ponadto w pracy uka- zano potencjał wizualizacji w ułatwianiu interpretacji i komunikacji wyników wnioskowania statystycznego, zwłaszcza w kontekście metod symulacyjnych, w tym testów permutacyjnych. Wskazano również, że graficzne przedstawienie wyników testów permutacyjnych (np. rozkładów permutacyjnych statystyk testo- wych, wizualizacji 𝑝𝑝-wartości) sprzyja transparentności i interpretowalności wy- ników analiz statystycznych. W niniejszej monografii wyróżniono sześć rozdziałów. W rozdziale pierw- szym przytoczono wybrane historyczne fakty dotyczące wnioskowania staty- stycznego oraz graficznych prezentacji historycznych związanych z opisem nie- pewności. W rozdziale drugim przedstawiono wybrane typy wykresów, które mogą być wykorzystywane w prezentacji wyników wnioskowania statystycznego. Uwzględ- niono m.in. funkcje rozkładu prawdopodobieństwa, gęstości teoretyczne i empi- ryczne, wykresy Q-Q plot i P-P plot, a także wykresy z wynikami wnioskowania statystycznego, w tym testów permutacyjnych. W rozdziale trzecim skoncentrowano się na wizualizacji rozkładów teore- tycznych zmiennych losowych oraz prezentacji oszacowań takich rozkładów. Uwzględniono najczęściej stosowane rozkłady teoretyczne, takie jak rozkład nor- malny, 𝑡𝑡-Studenta i chi-kwadrat. W kolejnym rozdziale omówiono sposoby prezentacji wyników wnioskowa- nia statystycznego z wykorzystaniem wybranych bibliotek programu R. Wska- zano m.in. na wybrane funkcje pakietów: gginference, ggpval, ggpubr, ggsignif, ggstatsplot, ggdist i infer. Zwrócono również uwagę na po- trzebę inicjatywy badacza w poszukiwaniu form wizualizacji „nietypowych” za- gadnień związanych z wnioskowaniem statystycznym. W tym przypadku przed- stawiono przykłady wizualizacji dotyczących testu pustych cel. Rozdział piąty to charakterystyka wnioskowania w modelu permutacyjnym. Wnioskowanie to opiera się na modelu Fishera-Pitmana, który cechuje się istotnymi własnościami, a bardzo rzadko jest stosowany w naukach ekonomicznych. Wnio- skowanie permutacyjne wspomagano pakietami wPerm, coin, perm, resample, exactRankTests i infer. Rozdział szósty ukazuje możliwości przeprowadzania analiz statystycznych on-line. W procedurach zaprezentowanych w tym rozdziale odwołano się do da- nych dostępnych w Banku Danych Lokalnych. Przedstawiono sposoby pobierania danych on-line, metody wizualizacji tych danych oraz realizację wnioskowania permutacyjnego. W pracy odwołano się do różnych zbiorów dostępnych w R. Zbiory są ozna- czane jako mtcars, iris. Szczegółowy opis zbiorów wykorzystanych w analizach można znaleźć np. w Wickham (2009), Albert i Rizzo (2012), Kończak (2024a), Kończak i Kosińska (2026). W tekście zastosowano następujące wyróżnienia: na- zwy pakietów programu R zapisano jako ggplot2, zmienne jako cyl, natomiast funkcje jako ggplot(). Dla skutecznego korzystania z treści jest wymagana znajomość podstaw ob- sługi środowiska programistycznego R oraz systemu RStudio (2026). Niezbędna jest także znajomość podstaw wizualizacji danych, w szczególności pakietu ggplot2 (Wickham, 2009; Kończak, 2024b). Materiały pomocnicze, w tym kody procedur w R zamieszczono na stronie internetowej Kończak (2026).</jats:p>