Estadísticas :: SDT Estadística :: Paquete SDT Perl contiene medidas de teoría de la detección de señales de sensibilidad y sesgo de respuesta.
Descargar ahora

Estadísticas :: SDT Clasificación y resumen

Estadísticas :: SDT Etiquetas

detección señal detección de señal Medición de sensibilidad Medición de la respuesta-sesgo

Estadísticas :: SDT Descripción

Estadísticas :: El paquete SDT PERL contiene las medidas de la teoría de la detección de señales de la sensibilidad y la respuesta. Estadísticas :: Paquete SDT PERL contiene medidas de teoría de la detección de señales de sensibilidad y respuesta-bias.Synopsis Uso Estadísticas :: SDT; $ sdt = estadística :: sdt-> nuevo ({hits => 50, señal_trials => 50, false_alarms => 17, noise_trials => 25, correcto => 2,}); $ d = $ sdt-> d_sensitivity (); $ c = $ sdt-> decision_bias (); algoritmos de teoría de detección de señales (por ejemplo, de d ', a', sesgo de decisión), según lo prescrito por Stanislav y Todorov (1999). Se proporcionan interfaces orientadas a objetos y orientadas a objetos. Valores clave para los estilos orientados a objetos y orientados a objetos, los siguientes parámetros con nombre deben administrarse como una referencia de hash: ya sea al nuevo método de constructor, o (con el estilo orientado a la función ) en cada función. Básicamente, se requieren todos los primeros cuatro parámetros (para calcular la velocidad de hit-tasa y la tasa de alarma falsa), o las tarifas requeridas se suministran. Número de hits.false_alarmsthe Número de falsos alarmas.signal_trialsthe Número de ensayos de señal. La tasa de éxito se deriva dividiendo la cantidad de visitas por el número de ensayos de señal. Número de ensayos de ruido. La velocidad de la alarma falsa se deriva dividiendo el número de falsas alarmas por el número de ensayos de ruido. Número de alternativas de respuesta. Predeterminado = 2 (para la situación de detección de señal clásica de discriminación entre la señal + ruido y solo el ruido). Si el número de alternativas es mayor que 2, la medida de la sensibilidad, al llamar a D_Sensitivity, se basa en el parámetro Smith (1982) algorithms.correcta que indica si se realiza o no realizar una corrección en el número de hits y falsos alarmas como Una correctiva cuando la velocidad de hit-tipos o falsas-alarma es igual a 0 o 1 (debido, por ejemplo, a incentivos fuertes contra las falsas alarmas, o una fácil discriminación entre señales y ruido). Esto es relevante para todas las funciones que hacen uso de la función de PHI inversa (todas excepto A_Sensitivity y Griers_Bias). Si se establece en más de 1, se aplica la transformación de loglineal, es decir, 0.5 se agrega a la cantidad de hits y falsas alarmas. , y 1 se agrega al número de pruebas de señal y ruido. Estos ajustes se realizan independientemente de la extremidad de las tasas en sí mismas. Si se establece en 1, las tasas extremas (de 0 y 1, solo) se reemplazan con el número de ensayos de señal / ruido, moderados por un valor de 0.5 (específicamente, donde n = Número de ensayos de señal o ruido: 0 se reemplaza con 0.5 / n; 1 se reemplaza con (n - 0.5) / n.stanislav y todorov (1999) Asessan que la última corrección es el método más común para manejar las tasas extremas, pero Que pueda sesgar las medidas de sensibilidad y no ser tan satisfactorias, ya que la transformación loginales se aplica a todos los hits y falsos-alarmas. Si se establece en cero (el valor predeterminado), no se realiza ninguna corrección al cálculo de las tarifas. Esto solo debe ser usado cuando está utilizando (1) las medidas paramétricas y están seguras de que las tasas no están en los extremos de 0 y 1; o (2) los algoritmos no paramétricos (A_Sensitividad y griers_bias). Una alternativa a estas correcciones es, de hecho, usar el no paramétrico. Medidas. Esto es la tasa de éxito. En lugar de pasar t El número de golpes y ensayos de señal, dale la tasa de éxito directamente, pero, si lo hace, asegúrese de que la tasa no sea igual a cero o 1 para evitar errores arrojados por la función de PHI inversa (que se dará como "NDTRI Error de dominio "). Farthis es la tasa de alarma falsa. En lugar de pasar el número de falsas alarmas y ensayos de ruido, proporcione la tasa de alarma falsa directamente, pero, si lo hace, asegúrese de que la tasa no sea igual a cero o 1 para evitar errores lanzados por la función de PHI inverso (que se dará como "Error de dominio NDTRI"). Requisitos: · Requisitos de Perl: · Perl

Estadísticas :: SDT Software relacionado