Bir sinyal algılama deneyi tipik olarak gözlemciye (veya teşhis sistemine) bir sinyal veya sinyalsiz bir özellik sunar ve gözlemciden sunulan öğenin bir sinyal veya sinyal olmadığını düşünmesi istenir. Bu tür deneyler, 2x2'lik bir matrisi dolduran veriler verir:
Sinyal algılama teorisi, "sinyal / sinyal olmayan" kararın, sinyal denemelerinin genellikle sinyal olmayan denemelere göre daha yüksek bir değere sahip olduğu bir sinyal-sürekliliğine dayandığı bir senaryoyu temsil eden verileri temsil eder ve gözlemci sadece üstünde "sinyal" bildirecekleri bir kriter değeri seçer:
Yukarıdaki şemada, yeşil ve kırmızı dağılımları sırasıyla "sinyal" ve "sinyalsiz" dağılımları temsil eder ve gri çizgi, belirli bir gözlemcinin seçtiği kriteri temsil eder. Gri çizginin sağında, yeşil eğrinin altındaki alan isabetleri ve kırmızı eğrinin altındaki alan yanlış alarmları temsil eder; gri çizginin solunda, yeşil eğrinin altındaki alan özlüyor ve kırmızı eğrinin altındaki alan doğru reddetmeleri temsil ediyor.
Tahmin edilebileceği gibi, bu modele göre, yukarıdaki 2x2 tablosunun her bir hücresine düşen cevapların oranı şu şekilde belirlenir:
- Yeşil ve kırmızı dağılımlardan örneklenen denemelerin nispi oranı (taban ücret)
- Gözlemci tarafından seçilen kriter
- Dağılımlar arasındaki ayrım
- Her dağılımın varyansı
- Dağılımlar arasında varyans eşitliğinden sapma (varyans eşitliği yukarıda tasvir edilmiştir)
- Her dağılımın şekli (her ikisi de yukarıdaki Gauss'tur)
Genellikle # 5 ve # 6'nın etkisi ancak gözlemcinin bir dizi farklı kriter seviyesinde karar vermesini sağlayarak değerlendirilebilir, bu yüzden şimdilik bunu göz ardı edeceğiz. Ek olarak, # 3 ve # 4, "ayrımcılık" (d 'olarak da bilinir) ölçüsüyle özetlenen, yalnızca birbirine göre anlamlı olur (örneğin, dağılımların değişkenliğine göre ayırma ne kadar büyüktür?). Bu nedenle, sinyal algılama teorisi, sinyal algılama verilerinden iki özelliğin tahmin edilmesini yasaklar: kriter ve ayırt edilebilirlik.
Bununla birlikte, araştırma raporlarının (özellikle tıbbi alandan) sinyal algılama çerçevesini uygulamadığını ve bunun yerine "Pozitif tahmin değeri", "Negatif tahmin değeri", "Hassasiyet" ve "Özgüllük" "bunların tümü yukarıdaki 2x2 tablosundan farklı marjinal değerleri temsil eder ( ayrıntılar için buraya bakın ).
Bu marjinal özellikler ne fayda sağlar? Eğilimim onları tamamen göz ardı etmek, çünkü kriterlerin ve ayrımcılıkların teorik olarak bağımsız etkilerini karıştırıyorlar, ancak muhtemelen faydalarını düşünmek için hayal gücümden yoksundur.