Um experimento de detecção de sinal normalmente apresenta ao observador (ou sistema de diagnóstico) um sinal ou um não sinal, e o observador é solicitado a relatar se eles acham que o item apresentado é um sinal ou não. Tais experimentos produzem dados que preenchem uma matriz 2x2:
A teoria da detecção de sinal representa dados que representam um cenário em que a decisão "sinal / não sinal" se baseia em um continuum de sinalização no qual as tentativas de sinal geralmente têm um valor mais alto do que as tentativas sem sinal, e o observador simplesmente escolhe um valor de critério acima do qual eles reportarão "sinal":
No diagrama acima, as distribuições verde e vermelha representam as distribuições "sinal" e "não sinal", respectivamente, e a linha cinza representa o critério escolhido por um determinado observador. À direita da linha cinza, a área sob a curva verde representa os acessos e a área sob a curva vermelha representa os alarmes falsos; à esquerda da linha cinza, a área sob a curva verde representa erros e a área sob a curva vermelha representa rejeições corretas.
Como se pode imaginar, de acordo com este modelo, a proporção de respostas que caem em cada célula da tabela 2x2 acima é determinada por:
- A proporção relativa de ensaios amostrados nas distribuições de verde e vermelho (taxa básica)
- O critério escolhido pelo observador
- A separação entre as distribuições
- A variação de cada distribuição
- Qualquer desvio da igualdade de variação entre distribuições (a igualdade de variação é mostrada acima)
- A forma de cada distribuição (ambas são gaussianas acima)
Freqüentemente, a influência dos números 5 e 6 só pode ser avaliada levando o observador a tomar decisões em vários níveis de critérios diferentes; portanto, ignoraremos isso por enquanto. Além disso, os nºs 3 e 4 só fazem sentido um em relação ao outro (por exemplo, qual é o tamanho da separação em relação à variabilidade das distribuições?), Resumida por uma medida de "discriminabilidade" (também conhecida como d '). Assim, a teoria de detecção de sinal proscreve a estimativa de duas propriedades a partir dos dados de detecção de sinal: critério e discriminação.
No entanto, observei com frequência que os relatórios de pesquisa (principalmente da área médica) não aplicam a estrutura de detecção de sinal e, em vez disso, tentam analisar quantidades como "Valor preditivo positivo", "Valor preditivo negativo", "Sensibilidade" e "Especificidade ", todos os quais representam valores marginais diferentes da tabela 2x2 acima ( veja aqui para elaboração ).
Que utilidade essas propriedades marginais fornecem? Minha inclinação é desconsiderá-los completamente, porque eles confundem as influências teoricamente independentes de critério e discriminação, mas possivelmente não tenho imaginação para considerar seus benefícios.