신호 검출 실험은 일반적으로 관찰자 (또는 진단 시스템)에 신호 또는 비 신호를 제시하고, 관찰자는 제시된 아이템이 신호인지 또는 비 신호인지를보고하도록 요청 받는다. 이러한 실험은 2x2 행렬을 채우는 데이터를 산출합니다.
신호 탐지 이론은 "신호 / 비 신호"결정이 신호 시험이 일반적으로 비 신호 시험보다 높은 값을 갖는 신호 연속성을 기반으로하는 시나리오를 나타내는 것과 같은 데이터를 나타내며 관찰자는 단순히 "신호"를보고 할 기준 값을 선택합니다.
위의 다이어그램에서 녹색 및 빨간색 분포는 각각 "신호"및 "비 신호"분포를 나타내며 회색 선은 주어진 관찰자가 선택한 기준을 나타냅니다. 회색 선의 오른쪽에서 녹색 곡선 아래 영역은 적중을 나타내고 빨간색 곡선 아래 영역은 허위 경보를 나타냅니다. 회색 선의 왼쪽에서 녹색 곡선 아래 영역이 누락을 나타내고 빨간색 곡선 아래 영역이 올바른 거부를 나타냅니다.
상상할 수 있듯이,이 모델에 따르면 위의 2x2 표의 각 셀에 해당하는 응답 비율은 다음과 같이 결정됩니다.
- 녹색 및 적색 분포에서 추출 된 시험의 상대적 비율 (기본 속도)
- 관찰자가 선택한 기준
- 분포 사이의 분리
- 각 분포의 분산
- 분포 사이의 분산 평등에서 벗어난 경우
- 각 분포의 모양 (위의 가우시안 임)
관찰자가 여러 가지 다른 기준 수준에서 결정을 내릴 수 있도록함으로써 # 5와 # 6의 영향을 평가할 수있는 경우가 많으므로 현재는 무시할 것입니다. 또한 # 3과 # 4는 서로에 대해서만 의미가 있습니다 (예 : 분포의 변동성에 비해 분리가 얼마나 큰가?), "구별 력"(d '라고도 함)의 척도로 요약됩니다. 따라서, 신호 검출 이론은 신호 검출 데이터로부터 기준 및 판별 성의 두 가지 특성의 추정을 제공합니다.
그러나 연구 보고서 (특히 의료 분야)가 신호 감지 프레임 워크를 적용하지 않고 "긍정적 예측 값", "부정적 예측 값", "민감도"및 "특이성"과 같은 수량을 분석하려고 시도하는 경우가 종종 있습니다. "는 모두 위의 2x2 표와 다른 한계 값을 나타냅니다 ( 자세한 내용은 여기 참조 ).
이러한 한계 속성은 어떤 유틸리티를 제공합니까? 나는 그들이 이론적으로 독립적 인 기준과 차별성의 영향을 혼란스럽게하기 때문에 그것들을 완전히 무시하는 경향이 있지만, 아마도 그들의 이점을 고려할 수있는 상상력이 부족할 수도있다.