значением, лежащим посередине между двумя значениями, находящимися в центре 
упорядоченной совокупности наблюдений. Медиана — более полезная мера, чем мода, 
и часто используется в случае скошенного (асимметричного) распределения данных. 
Следует, однако, отметить, что медиана нечувствительна к величине крайних 
значений упорядоченной совокупности наблюдений.
   Среднее арифметическое — самая распространенная мера центральной тенденции — 
определяется как сумма значений наблюдаемой переменной, разделенная на их число.
 (В данной статье под «средним» подразумевается среднее арифметическое.) 
Использование среднего дает исследователю ряд преимуществ. В отличие от др. М. 
ц. т., среднее чувствительно к точному положению каждого значения в 
распределении переменной. Правда, это достоинство среднего арифметического 
оборачивается недостатком в виде повышенной чувствительности к крайним 
значениям переменной, и потому его иногда избегают использовать в случае сильно 
скошенных распределений.
    Среднее — особенно полезная мера в области статистических выводов, 
поскольку выборочное среднее является относительно эффективной оценкой 
генерального среднего. Если из генеральной совокупности значений наблюдаемой 
переменной случайно извлечь даже большое количество выборок, не следует ожидать 
точного равенства выборочных средних между собой или генеральному среднему. 
Однако, можно доказать, что выборочные средние отклоняются от генерального 
среднего меньше, чем выборочные медианы отклоняются от медианы генеральной 
совокупности. Можно также доказать (центральная предельная теорема), что 
выборочное распределение среднего приближается к нормальному распределению по 
мере увеличения объема выборки.
    См. также Статистика в психологии
    А. Велл
    
   Меры читаемости (reading measures)
    
    Что-либо читаемое людьми может определяться как доходчивое, легкое, 
доставляющее удовольствие и/или интересное. Оценка читаемости текстов является 
сложной проблемой. Хотя большинство исследователей признают необходимость в 
количественных М. ч., они расходятся в том, что кладется в основу таких мер.
    Широко используемые меры включают формулу читаемости Дейла—Челла 
(Dale—Chall Readability Formula), формулы Флеша, формулу 
Фарра—Дженкинса—Паттерсона (Farr-Jenkins-Patterson Formula), формулу читаемости 
Фрая (Fry Readability Formula), индекс Фога (Fog Index), формулу Лоджа (Lorge 
formula) и SMOG классификацию (SMOG Grading).
    Формулы Флеша послужили стандартом для валидизации большинства других М. ч. 
Однако, использование этих индексов сопряжено с некоторыми проблемами.
    Тем не менее, такие формулы могут служить основой при сравнении абсолютной 
сложности различных образцов текстов, если их применять осторожно и с 
осознанием их возможностей и ограничений. Двумя главными проблемами, общими для 
всех формул читаемости, остаются количественное определение легкости чтения и 
оценка читательского интереса. Стандартное решение состоит в приравнивании 
легкости к содержанию в образце распространенных слов или краткости отдельных 
слов, а также составляемых из них предложений. Интерес (при его оценке) обычно 
приравнивается к легко поддающимся количественному определению мерам, таким как 
содержание (или процент) личных местоимений, имен собственных, и 
характеризующих людей слов. Большинство таких мер являются предельно 
квалифицированными, и их обработка превращается в чисто механический процесс. 
Их полезность во многом определяется разумностью чел., использующего такие меры,
 тестируемым материалом и интерпретацией результатов с учетом тех ограничений, 
к-рые присущи этим мерам.
    См. также Формулы Флеша
    Р. Касшау
    
   Мета-анализ (metaanalysis)
    
    М. представляет собой попытку объединения, используя различные 
статистические методы, данных из разных исслед., посвященных изучению одного и 
того же вопроса. Он предусматривает количественную оценку степени 
согласованности или расхождения результатов, полученных в разных исслед. Как 
отметил Гласе: «Мета-анализ относится к... статистическому анализу большой 
совокупности результатов анализа данных из отдельных исследований в целях 
объединения этих данных. Он ассоциируется со строгой альтернативой бессистемным,
 описательным научным обзорам, которые служат типичным примером наших попыток 
осмыслить стремительно увеличивающееся количество научных публикаций... 
Современные обзоры научных исследований должны быть в большей мере техническими 
и статистическими, чем описательными... Данные многократных исследований должны 
рассматриваться как комплексное множество данных, дающее без статистического 
анализа ничуть не больше информации, чем результаты обработки нескольких сотен 
данных одного единственного исследования».
    М. применялся при решении весьма широкого круга задач, лишь частично 
иллюстрируемых следующими примерами: исслед. валидности вопросов, используемых 
в опросах общественного мнения; определение воздействия претестовой 
сенсибилизации на выполнение психол. и образовательных тестов; анализ влияния 
школьной десегрегации на успеваемость уч-ся. Диапазон тем в приведенных 
примерах указывает на уместность использования М. в самых различных областях 
исслед. Хотя интерес к М. в последнее время возрос, господствующим методом