сложность, Расстройства памяти
    Н. Эбелис
    
   Статистика в психологии (statistics in psychology)
    
    Первое применение С. в психологии часто связывают с именем сэра Фрэнсиса 
Гальтона. В психологии под «статистикой» понимается применение количественных 
мер и методов для описания и анализа результатов психол. исслед. Психологии как 
науке С. необходима. Регистрация, описание и анализ количественных данных 
позволяют проводить обоснованные сравнения, опирающиеся на объективные критерии.
 Применяемая в психологии С. обычно состоит из двух разделов: описательной 
(дескриптивной) статистики и теории статистического вывода.
   Описательная статистика.
    Описательная С. включает в себя методы орг-ции, суммирования и описания 
данных. Дескриптивные показатели позволяют быстро и эффективно представлять 
большие совокупности данных. К наиболее часто используемым описательным методам 
относятся частотные распределения, меры центральной тенденции и меры 
относительного положения. Регрессия и корреляции применяются для описания 
связей между переменными.
   Частотнее распределение показывает, сколько раз каждый качественный или 
количественный показатель (либо интервал таких показателей) встречается в 
массиве данных. Кроме того, нередко приводятся относительные частоты — процент 
ответов каждого типа. Частотное распределение обеспечивает быстрое 
проникновение в структуру данных, к-рого было бы трудно достичь, работая 
непосредственно с первичными данными. Для наглядного представления частотных 
данных часто используются разнообразные виды графиков.
   Меры центральной тенденции — это итоговые С., описывающие то, что яв-ся 
типичным для распределения. Мода определяется как наиболее часто встречающееся 
наблюдение (значение, категория и т. д.). Медиана — это значение, к-рое делит 
распределение пополам, так что одна его половина включает все значения выше 
медианы, а другая — все значения ниже медианы. Среднее вычисляется как среднее 
арифметическое всех наблюденных значений. Какая из мер — мода, медиана или 
среднее — будет лучше всего описывать распределение, зависит от его формы. Если 
распределение симметричное и унимодальное (имеющее одну моду), среднее медиана 
и мода будут просто совпадать. На среднее особенно влияют «выбросы», сдвигая 
его величину в сторону крайних значений распределения, что делает среднее 
арифметическое наименее полезной мерой сильно скошенных (асимметричных) 
распределений.
    Др. полезными описательными характеристиками распределений служат меры 
изменчивости, т. е. того, в какой степени различаются значения переменной в 
вариационном ряду. Два распределения могут иметь одинаковые средние, медианы и 
моды, но существенно различаться по степени изменчивости значений. Изменчивость 
оценивается двумя С.: дисперсией и стандартным отклонением.
   Меры относительного положения включают в себя процентили и нормированные 
оценки, используемые для описания местоположения конкретного значения 
переменной относительно остальных ее значений, входящих в данное распределение. 
Велковиц с соавторами определяют процентиль как «число, показывающее процент 
случаев в определенной референтной группе с равными или меньшими оценками». Т. 
о., процентиль дает более точную информ., чем просто сообщение о том, что в 
данном распределении некое значение переменной попадает выше или ниже среднего, 
медианы или моды.
    Нормированные оценки (обычно называемые z-оценками) выражают отклонение от 
среднего в единицах стандартного отклонения (?). Нормированные оценки полезны 
тем, что их можно интерпретировать относительно стандартизованного нормального 
распределения (z-распределения) — симметричной колоколообразной кривой с 
известными свойствами: средним, равным 0, и стандартным отклонением, равным 1. 
Так как z-оценка имеет знак (+ или —), она сразу показывает, лежит ли 
наблюденное значение переменной выше или ниже среднего (m). А поскольку 
нормированная оценка выражает значения переменной в единицах стандартного 
отклонения, она показывает, насколько редким яв-ся каждое значение: примерно 
34% всех значений попадает в интервал от т до т + 1? и 34% — в интервал от т до 
т — 1?; по 14% — в интервалы от т + 1? до т + 2? и от т — 1? до т — 2?; и по 2% 
— в интервалы от т + 2? до т + 3? и от т — 2? до т — 3?.
   Связи между переменными. Регрессия и корреляция относятся к тем способам, 
к-рые чаще всего используются для описания связей между переменными. Два разных 
измерения, полученных по каждому элементу выборки, можно отобразить в виде 
точек в декартовой системе координат (х, у) — диаграммы рассеяния, являющейся 
графическим представлением связи между этими измерениями. Часто эти точки 
образуют почти прямую линию, свидетельствующую о линейной связи между 
переменными. Для получения линии регрессии — мат. уравнения линии наилучшего 
соответствия множеству точек диаграммы рассеяния — используются численные 
методы. После выведения линии регрессии появляется возможность предсказывать 
значения одной переменной по известным значениям другой и, к тому же, оценивать 
точность предсказания.
    Коэффициент корреляции (r) — это количественный показатель тесноты линейной 
связи между двумя переменными. Методики вычисления коэффициентов корреляции 
исключают проблему сравнения разных единиц измерения переменных. Значения r 
изменяются в пределах от -1 до +1. Знак отражает направление связи. 
Отрицательная корреляция означает наличие обратной зависимости, когда с 
увеличением значений одной переменной значения др. переменной уменьшаются.