27

OC-T (Subject) / OC-T 1 (Lesson)

lalala

This lesson was created by Voluptas.

Learn lesson

This lesson is not released for learning.

back  |  next 1 / 1

Advertisement
  • SDT -- Grundlagen Psychophysiologische Experimente mit auditiven Stimuli Geräuschproben Rauschen (Noise / N) Rauschen mit einem kaum wahrnehmbaren Ton (Signal + Noise / SN) Mögliche Reaktionen der Probanden „Ton vorhanden!“ „Ton nicht vorhanden!“ Mögliche Antwortmuster Vierfelder Tafel Physikalischer Stimulus Ton vorhanden (Signal + Noise / SN) Ton nicht vorhanden (Noise / N) Reaktion des Probanden „Ton vorhanden!“ „Ton nicht vorhanden!“
  • SDT: Trefferrate (H) = p(„Ton vorhanden!“ | SN)= Anzahl Treffer / Anzahl Signal-Trials
  • Auslassungsrate (M) = p(„Ton nicht vorhanden!“ | SN)= Anzahl Auslassungen / Anzahl Signal-Trials
  • Falsch-Alarm-Rate (FA) = p(„Ton vorhanden!“ | N)= Anzahl Falsche Alarme / Anzahl Rausch-Trials
  • Rate korrekter Zurückweisungen (CR) = p(„Ton nicht vorhanden!“ | N)= Anzahl Korrekte Zurückweisungen / Anzahl Rausch-Trials
  • Trefferrate (H): Auslassungsrate (M): Falsch-Alarm-Rate (FA): Rate korrekter Zurückweisungen (CR): Trefferrate (H)= p(„Ton vorhanden!“ | SN)= Anzahl Treffer / Anzahl Signal-Trials Auslassungsrate (M)= p(„Ton nicht vorhanden!“ | SN)= Anzahl Auslassungen / Anzahl Signal-Trials Falsch-Alarm-Rate (FA)= p(„Ton vorhanden!“ | N)= Anzahl Falsche Alarme / Anzahl Rausch-Trials Rate korrekter Zurückweisungen (CR)= p(„Ton nicht vorhanden!“ | N)= Anzahl Korrekte Zurückweisungen / Anzahl Rausch-Trials
  • Indizes: Diskriminationsfähigkeit d‘ Bemisst die Fähigkeit eines Diagnostikers, zwischen Signal und Rauschen zu unterscheiden Berechnung: d‘ = z(H) – z(FA) Wertebereiche d‘ < 0 wenn z(H) < z(FA)schlechter als der Zufall --> falsch kodiert oder Aufgabe nicht verstanden? d‘ = 0 wenn z(H) = z(FA)Sensitivität auf Zufallsniveau --> schlechter Diagnostiker, Novize d‘ > 0 wenn z(H) > z(FA)besser als der Zufall --> guter Diagnostiker, Experte
  • Wertebereiche d' Wertebereiche d‘ < 0 wenn z(H) < z(FA) schlechter als der Zufall --> falsch kodiert oder Aufgabe nicht verstanden? d‘ = 0 wenn z(H) = z(FA) Sensitivität auf Zufallsniveau --> schlechter Diagnostiker, Novize d‘ > 0 wenn z(H) > z(FA) besser als der Zufall --> guter Diagnostiker, Experte
  • Wie kann man d' graphisch beschreiben? Abstand zwischen den beiden MW (Gipfeln) der Gaußglocken/Normalverteilungen von p/Rauschen und p/Signal
  • z-Transformation z(H A ) Was ist nicht gemeint, was ist gemeint? Nicht gemeint: z = (x − μ)/σ Sondern: Quantilfunktion der Standardnormalverteilung SPSS IDF.NORMAL(0.31, 0, 1). R qnorm(0.31) Tabelle z                 Fläche                  Ordinate(-5.0)          (0.3085)               (0.3521)          --> Aus Beispiel A:  z(H A ) = z(.31) = -0.50
  • Advertisement
  • Welches Problem besteht bei der -Transformation? z(0) = -∞ z(1) = +∞
  • Welche Lösungen gibt es für das z-Transformationsproblem? 0.5/n-Regel (Macmillan & Kaplan, 1985) Loglineare Regel (Hautus, 1995)
  • 0.5/n-Regel (Macmillan & Kaplan, 1985) Wenn H = 0, dann H = 0.5/ nSignal Wenn H = 1, dann H = (nSignal - 0.5)/ nSignal) Analog für die Falsch-Alarm-Rate
  • Loglineare Regel (Hautus, 1995) Anzahl Treffer = Anzahl Treffer + 0.5 Anzahl falscher Alarme = Anzahl falscher Alarme + 0.5 nSignal = nSignal + 1 nRauschen = nRauschen + 1
  • Indizes: Antworttendenzmaß c Antworttendenz c Bemisst die Tendenz eines Diagnostikers, bei Unsicherheit eher positiv (liberal) oder eher negativ (konservativ) zu antworten Berechnung: c = -0.5 (z(H) + z(FA)) Wertebereiche c < 0 wenn z(H) + z(FA) > 0liberales Antwortkriterium --> bei Unsicherheit eher positive Antwort c = 0 wenn z(H) + z(FA) = 0neutrales Antwortkriterium --> bei Unsicherheit zufällige Antwort c > 0 wenn z(H) + z(FA) < 0konservatives Antwortkriterium --> bei Unsicherheit eher negative Antwort
  • Wertebereiche c Wertebereiche c < 0 wenn z(H) + z(FA) > 0 liberales Antwortkriterium --> bei Unsicherheit eher positive Antwort c = 0 wenn z(H) + z(FA) = 0 neutrales Antwortkriterium --> bei Unsicherheit zufällige Antwort c > 0 wenn z(H) + z(FA) < 0 konservatives Antwortkriterium --> bei Unsicherheit eher negative Antwort
  • Indizes: Antworttendenzmaß β Bemisst die Tendenz eines Diagnostikers, bei Unsicherheit eher positiv (liberal) oder eher negativ (konservativ) zu antworten Berechnung: β = p(z(H)) / p(z(FA)) Wertebereiche β < 1 wenn p(z(H)) < p(z(FA))liberales Antwortkriterium --> bei Unsicherheit eher positive Antwort β = 1 wenn p(z(H)) = p(z(FA))neutrales Antwortkriterium --> bei Unsicherheit zufällige Antwort β > 1 wenn p(z(H)) > p(z(FA))konservatives Antwortkriterium --> bei Unsicherheit eher negative Antwort
  • Einschub: p(z(H A )) p(z(H A )) = p(z(.31)) = p(-0.50) = 0.35 SPSSPDF.NORMAL(-0.50, 0, 1). Rdnorm(-0.50) Tabellez                   Fläche                     Ordinate-50                0.3085                    0.3521
  • Sensitivität und Spezifität Sensitivität = RP / (FN + RP)    --> Trefferrate 1 − Sensitivität = FN / (FN + RP)   --> Auslassungsrate Spezifität = RN / (FP + RN) --> Rate korrekter Zurückweisungen 1 − Spezifität = FP / (FP + RN) --> Falsch-Alarm-Rate
  • Sensitivität = Trefferrate RP / (FN + RP)
  • 1- Sensitivität = Auslassungsrate FN / (FN + RP)
  • Auslassungsrate 1 − Sensitivit ät = FN / (FN + RP)
  • Trefferrate Sensitivität = RP / (FN + RP)
  • Spezifität = Rate korrekter Zurückweisungen = RN / (FP + RN)
  • Rate korrekter Zurückweisungen = Spezifität =  RN / (FP + RN)
  • 1 - Spezifität = Falsch-Alarm-Rate = FP / (FP + RN)
  • Falsch-Alarm-Rate = 1 - Spezifität = FP / (FP + RN)

back  |  next 1 / 1