Allgemeine Psychologie 1 (Fach) / VL 3 (Lektion)

Signalentdeckungstheorie

Diese Lektion wurde von makem erstellt.

Lektion lernen

Diese Lektion ist leider nicht zum lernen freigegeben.

zurück  |  weiter 1 / 1

• Signalentdeckungstheorie Gegenteil zur Schwellentheorie entwickelt in der University of Michigan
• Signalentdekungstheorie Annahmen 1) Rauschen 2) Empfindungsgrößen sind probabilistisch 3) Analyse der Fehler ist ebenso wichtig, wie die Auswertung der korekkten Antwort
• Rauschen kann neuronal bzw physiologisch sein kann durch Umgebung oder physiologische Reize kommen (man richtet Aufmersamkeit auf vieles Andere und kann den Reiz deshalb nich wahrnehmen) es ist immer ein Rauschen im HIntergrund, es ist nie nur das Signal zu hören psychologisch: mal hört man besser, mal schlechter
• probabilistisch nicht ein Reiz führt eine Empfindung hervor, sondern es varriert mit bestimmten Wahrscheinlichkeiten
• Verteilungen von Signal und Rauschen Antworttypen Hit = SN und Ja Miss = SN und Nein FA (False Alarm) = N und JA CR (Correct Reaction) = N und Nein
• ROC Eine Funktion, die hits und False Alarms in Beziehung setzt während Beobachter verschiedene Krieterien setzen    auch Isosensitivitätskurve   X-Achse: FAR Y-Achse: HitRate
• Trefferrate berechnen p(Hit) = Hit/ Hit + Miss
• Fehleralarm berechnen p (FA) = FA/ FA + CR
• Diskriminierbarkeit von Reizen Empfindlichkeit d' wie gut die Person Reize unterscheiden kann, errechnet sich aus der Differenz der z-Werte zu den p-Werten d`= z(p(Hit)) - z(p(FA)) gilt wenn SD= 1, wenn nicht muss man es noch durch SD teilen -> d`= mü sn - mü n/ SD
• z-Wert berechnen und Deutung z = x-mü/ SD gibt an an welcher Position sich der individuelle Wert (X) in der Verteilung befindet und setzt den zu einer W`keit in Beziehung   Bsp.: Ellermeier Körpergröße z= -1  in Tabelle nachschauen -> p=.15 -> das bedeutet, dass nur 15 % der Population kleiner sind als Ellermeier
• wie groß kann d`werden? von 0 (nichts richtig gehört) bis 4.0 -> nahezu perfekte Antworten (zu leichte Versuchsbedingungen)
• Likelihood-Verhältnis Lage des Kriteriums (Wo liegt die rote Linie im Vergleich zu den beiden Kurven?) ROC Verhältnis zweier Wahrscheinlichkeitsdichten beim Kriterium Xc   ß = f(Xc/SN)/ f(Xc/N)   Ich teile den Y-Wert, wo das Antwortkriterium Xc die Kurve mit Signal schneidet, durch den Y-Wert, wo das Antwortkriterium Xc die Kurve ohne Signal schneidet
• Kriteriumstypen c/beta = 0/1 -> neutrales Kriterium c/beta > 0/1 -> striktes/konservatives Kriterium c/beta < 0/1 -> laxes/liberales Kriterium (ich sag auch mal ja, wenn ich mir nicht ganz sicher bin)
• Was sind die Ordinatenwerte für HR und FAR am Kriterium Xc? man braucht eine spezielle z Tabelle mit Angabe der Fläche unter der Kurve und Höhe der Ordinate HR = 70 -> 0.70 p in Tabelle nachgucken und man hat O -> .348 wird als 0.348 in Formel eingesetzt
• Isobias-Kurven mit konstantem Likelihood Verhältnis strikt : links, neutral: mitte, lax : rechts ellermeier hat die kurven nie richtig verstanden
• Beeinflussung der urteilsfindung Payoffs (du bekommst 3 € für jede richtige Antwort, verlierst 6€ bei einer falschen) Motivation a-priori-W`keit: VP verhält sich anders, wenn sie denkt nur in 5% ist rauschen, als in 60%
• Methoden der Signalentdeckung Yes/No-Procedure Rating-Procedure (Forced-choice-method & Same-different-method)
• Ja/Nein-Prozedur Ein Beobachtungsintervall Stimuli: S oder SN Antwort: Ja oder Nein
• ROC Kurve was kann ich mit HR und FAR berrechnen? Empfindlichkeit d' Urteilsneigung ß
• Ja-/Nein-Prozedur Ein Beobachtungsintervall Stimuli: N und SN Antworten ja nein
• Rating Verfahren Welche Faktoren beeinflussen die Urteilsneigung? payoffs variieren Instruktion variieren a priori der Wahrscheinlichkeiten von SN und N variieren
• Rating Verfahren Ein Beobachtungsintervall Stimuli: SN und N Antwort: Confidence Ratings (wie in meinem Akustikversuch)
• Rating Verfahren Wie bekommt man die ROC Kurve? Urteilskategorien aufkumulieren um ROC zu zeichnen

zurück  |  weiter 1 / 1