Một thí nghiệm phát hiện tín hiệu thường trình bày cho người quan sát (hoặc hệ thống chẩn đoán) tín hiệu hoặc không phải tín hiệu và người quan sát được yêu cầu báo cáo xem họ nghĩ rằng vật phẩm được trình bày là tín hiệu hay không phải là tín hiệu. Các thí nghiệm này mang lại dữ liệu điền vào ma trận 2x2:
Lý thuyết phát hiện tín hiệu đại diện cho dữ liệu như thể hiện một kịch bản trong đó quyết định "tín hiệu / không tín hiệu" dựa trên tính liên tục của tín hiệu mà các thử nghiệm tín hiệu thường có giá trị cao hơn các thử nghiệm không tín hiệu và người quan sát chỉ đơn giản là người quan sát chọn một giá trị tiêu chí ở trên mà họ sẽ báo cáo "tín hiệu":
Trong sơ đồ trên, các phân phối màu xanh lá cây và màu đỏ tương ứng là các phân phối "tín hiệu" và "không tín hiệu" và đường màu xám biểu thị tiêu chí đã chọn của người quan sát. Ở bên phải của đường màu xám, khu vực dưới đường cong màu xanh lá cây đại diện cho các lần truy cập và khu vực dưới đường cong màu đỏ đại diện cho các báo động sai; ở bên trái của đường màu xám, khu vực dưới đường cong màu xanh lá cây phản hồi lại bỏ lỡ và khu vực dưới đường cong màu đỏ biểu thị sự từ chối chính xác.
Như có thể tưởng tượng, theo mô hình này, tỷ lệ phản hồi rơi vào từng ô của bảng 2x2 ở trên được xác định bởi:
- Tỷ lệ tương đối của các thử nghiệm được lấy mẫu từ các phân phối xanh và đỏ (tỷ lệ cơ sở)
- Tiêu chí được lựa chọn bởi người quan sát
- Sự tách biệt giữa các bản phân phối
- Phương sai của mỗi phân phối
- Bất kỳ sự rời khỏi sự bình đẳng của phương sai giữa các phân phối (sự bình đẳng của phương sai được mô tả ở trên)
- Hình dạng của mỗi phân phối (cả hai đều là Gaussian ở trên)
Thông thường, ảnh hưởng của # 5 và # 6 chỉ có thể được đánh giá bằng cách khiến người quan sát đưa ra quyết định theo một số mức tiêu chí khác nhau, vì vậy chúng ta sẽ bỏ qua điều đó ngay bây giờ. Ngoài ra, # 3 và # 4 chỉ có ý nghĩa liên quan đến nhau (ví dụ: sự phân tách lớn như thế nào so với độ biến thiên của các bản phân phối?), Được tóm tắt bằng một thước đo "phân biệt đối xử" (còn được gọi là d '). Do đó, lý thuyết phát hiện tín hiệu đăng ký ước tính hai thuộc tính từ dữ liệu phát hiện tín hiệu: tiêu chí & phân biệt đối xử.
Tuy nhiên, tôi thường nhận thấy rằng các báo cáo nghiên cứu (đặc biệt là từ lĩnh vực y tế) không áp dụng khung phát hiện tín hiệu và thay vào đó cố gắng phân tích các đại lượng như "Giá trị tiên đoán tích cực", "Giá trị dự báo âm tính", "Độ nhạy" và "Độ đặc hiệu" ", Tất cả đều đại diện cho các giá trị biên khác nhau từ bảng 2x2 ở trên ( xem tại đây để biết thêm chi tiết ).
Những tiện ích nào làm cho các thuộc tính cận biên này cung cấp? Quan điểm của tôi là coi thường họ hoàn toàn vì họ làm ảnh hưởng đến ảnh hưởng độc lập về mặt lý thuyết của tiêu chí và sự phân biệt đối xử, nhưng có lẽ tôi chỉ đơn giản là thiếu trí tưởng tượng để xem xét lợi ích của họ.