Локализация точки на шкале 5 страница

Для выполнения необходимых статистических расчетов (среднее арифметическое и стандартное отклонение) следует воспользоваться статистическим пакетом “Stadia” (директория “Stadia”, командный файл — stadia.exe). После ввода полученных данных в электронную таблицу (40 значений Ll — в первую переменную и 40 значений Lh— во вторую) в меню статистических методов (F9) нужно выбрать самый первый пункт — “Описательная статистика” и указать номера анализируемых переменных: в нашем случае их две — 1, 2. После нажатия на клавишу <Enter> на экране распечатывается множество статистических показателей, в том числе — среднее арифметическое и стандартное отклонение для каждой переменной.

В качестве дополнительного задания по работе с данными можно рекомендовать построение графиков изменения пороговых значений в течение опыта, на которых в наглядной форме легко проанализировать возможные тенденции изменения верхнего и нижнего порогов, например: этап врабатывания, период стабилизации ответов и другие феномены динамики выполнения этой сенсорной задачи. Для этого, вернувшись в электронную таблицу (блок редактора данных), нужно нажать на клавишу F6 и перейти к построению нужного графика. В качестве типа графика выберите функциональный, далее укажите число графиков — 2 (один для Ll, другой для — Lh) и номера соответствующих им переменных (1 для первого графика и 2 — для второго); графики лучше нарисовать линиями, а разметку осей координат можно не делать.

 

Задание 2. Измерение порога частоты слияния мельканий методом установки

 

Цель задания. Отработать метод установки применительно к измерению абсолютного порога. Оценить величину критической частоты слияния мельканий.

Методика

Аппаратура. Задание выполняется на IBM-совместимом персональном компьютере, с параллельным портом которого соединен красный светодиод. Для выполнения учебного задания используется компьютерная программа kcm.exe.

Стимуляция. Светодиод расположен на расстоянии 1м от испытуемого. Мелькающий свет задается с помощью подачи на него коротких электрических импульсов длительностью 2 мс. Частота управляющих импульсов может изменяться испытуемым в диапазоне от 1 до 100 Гц с дискретностью 0.1 Гц.

Процедура опыта. При отработке задания каждый студент выступает сначала в роли испытуемого, а затем обрабатывает собственные экспериментальные данные. Испытуемый сидит на расстоянии 1 м до экрана дисплея. Задача испытуемого заключается в том, чтобы, регулируя частоту мелькания светодиода, установить пороговую (минимальную) величину частоты мелькания, при которой впервые появляется ощущение непрерывного свечения светодиода, т.е. отсутствие мельканий. Регулировка частоты мельканий осуществляется с помощью клавиш управления курсором на клавиатуре персонального компьютера: клавиша <> служит для уменьшения частоты, а клавиша <®> — для ее увеличения. В инструкции отмечают, что испытуемый может свободно регулировать частоту, переходя через пороговое значение и снова возвращаясь назад.

Опыт состоит из 2-х серий — тренировочной и основной. В тренировочной серии испытуемому даются две попытки для установки порогового значения: начать из явно надпорогового диапазона стимулов (5 Гц), а затем — из явно подпорогового (60 Гц). При нахождении порога нужно нажать на клавишу “пробел”. В основной серии испытуемый осуществляет 20 установок: по 10 из надпорогового и подпорогового диапазонов. В каждой следующей пробе частота начального стимула меняется в случайном порядке.

Обработка данных. После опыта студенту выдается компьютерная распечатка, в которой представлен протокол опыта, где зафиксированы результаты всех 20 установок. При желании можно найти и файл данных: его имя соответствует фамилии испытуемого, а расширение — kcm.

По данным протокола каждый студент должен вычислить следующие показатели:

1) пороговую частоту слияния мельканий — RL, усреднив результаты всех 20 установок;

2) разброс пороговых значений, рассчитав стандартное отклонение — ;

3) статистическую ошибку, допущенную при вычислении RL (формула (4)).

Необходимые статистические вычисления производятся с помощью статистической системы “Stadia” в меню “Описательная статистика” (см. задание 1.).

Задание 3. Измерение порога различения дли­тель­ности тональных сигналов методом постоянных раздра­жителей. Исследование влияния несенсорных факторов на пороговые меры

 

Цель задания. 1. Практическая отработка метода на примере определения дифференциального порога при различных инструкциях испытуемому. 2. Освоение процедуры вычислений различных пороговых мер, получаемых в этом методе (интервал неопределенности, точка субъективного равенства, константная ошибка). 3. Сравнение зависимости различных пороговых мер от несенсорных факторов.

Методика

Аппаратура. Задание отрабатывается на IBM-совместимом персональном компьютере. Для предъявления звуковых сигналов (тона частотой 1000 Гц) используются головные телефоны, соединенные со звуковым синтезатором персонального компьютера. Длительность стандартного стимула — 900 мс, длительность пяти переменных (сравниваемых) стимулов — 600, 750, 900, 1050 и 1200 мс.

Для выполнения учебного задания используется компьютерная программа mc.exe.

Процедура опыта. При отработке задания каждый студент выступает сначала в роли испытуемого, а затем обрабатывает собственные экспериментальные данные. Опыт состоит из одной тренировочной и трех основных серий. Испытуемому последовательно предъявляются два звуковых стимула, его задача — сравнить их по длительности. Место стандартного и сравниваемого стимулов в паре изменяется в квази-случайном порядке. Длительность сравниваемого стимула также меняется в квази-случайном порядке. Межстимульный интервал — 500 мс. Во время звучания каждого из стимулов на экране монитора последовательно появляются номера стимулов в паре (1 — 2, 1 — 2 и т.д.), что позволяет испытуемому определить, в какой момент времени нужно давать ответ. Если испытуемый не дал ответ в прошедшей пробе, то предъявление пары стимулов повторяется. Межпробный интервал, в течение которого испытуемому требуется дать ответ, используя трехкатегориальную систему ответов (“первый больше”, “равны” и “первый меньше”), равен 2 с. Для ответа используются цифровые клавиши — <1>, <2>, <3>.

Три основные серии отличаются друг от друга различными инструкциями испытуемому, что приводит к изменению его стратегии при выборе ответа. В значительной степени данный эксперимент повторяет известное исследование С. Фернбергера (цит. по: Бардин, 1976), в котором было четко показано, что при использовании в методе констант трехкатегорийной системы ответов значение дифференциального порога существенно зависит от сугубо несенсорных факторов.

Инструкция к первой серии — нейтральная: испытуемый должен давать ответы согласно своим впечатлениям. Инструкция ко второй серии рассчитана на минимизацию ответов в промежуточной категории (“равно”): испытуемый должен пользоваться этой категорией в тех редких случаях, когда, несмотря на все усилия, он не способен различить сигналы по длительности. Инструкция к третьей серии рассчитана на максимизацию ответов “равно”: к этой категории необходимо относить все ощущения равенства или сомнения в сравнении стандарта и переменного стимулов; причем ответы “больше” и “меньше” нужно давать лишь при большой уверенности в разнице стимулов.

В каждой из этих серий испытуемым предъявляется 150 проб (по 30 предъявлений каждого переменного стимула). После каждой серии делается 2—3-минутный перерыв.

Обработка результатов. После окончания опыта испытуемый получает компьютерную распечатку, где для каждой серии приводятся частоты ответов “больше ”, “равно” и “меньше” для каждого из пяти переменных стимулов.

По каждой серии обработка результатов осуществляется следующим образом:

1. Строятся два графика с психометрическими кривыми в линейных координатах. На первом графике строятся психометрические кривые для 3-х категорий ответов (см. рис. 7—9). На втором — для 2-категориального варианта, при этом нейтральные ответы делятся поровну между пропорцией ответов “больше” и “меньше” (достаточно построить только одну кривую — для ответов “больше”).

2. Для расчета всех пороговых показателей (IU, DL, PSE, CE) используется графический метод, основанный на способе линейной интерполяции.

3. Затем, используя 2-категориальный вариант расчетов, строятся психометрические функции в нормальных координатах для ответов “больше”.

С помощью метода наименьших квадратов по пяти экспериментальным точкам проводится наилучшая прямая, проходящая через эти точки. Для этого целесообразно воспользоваться статистическим пакетом “Stadia”. В редакторе данных длительности переменного стимула заносятся в первую переменную (это будут значения X), а z-оценки — во вторую (это будут значения Y). Затем переходят в меню статистических процедур (F9) и выбирают опцию “Простая регрессия (тренд)”. Войдя в нее, нужно указать номера переменных (1,2), а затем указать тип функции для построения регрессии — линейная. После этого программа построит для вас математическую модель ваших данных, представляя их в виде уравнения прямой: Y = a0 + a1X. Получив коэффициенты a0 и a1, можно без труда построить на графике аппроксимирующую прямую. Статистическая оценка адекватности сделанной линейной аппроксимации приводится внизу экрана результатов анализа. Не выходя из программы, можно легко вычислить и все необходимые показатели: PSE, Ss+и Ss-. Это означает, что по уравнению регрессионной прямой нужно найти 3 неизвестных X по трем известным Y: z=0, z=+1 и z=-1. Для проведения расчетов нужно снова вернуться в меню статистических методов и, выбрав ту же опцию (“Линейная регрессия”), указать другой порядок переменных — 2,1. Это будет означать, что в качестве X мы выбираем z-оценки, а в качестве Y — длительность стимула. После расчета нового регрессионного уравнения нужно последовательно ввести три указанные выше величины z, и считать результат вычисления PSE, Ss+и Ss-.

Далее вычисляются все необходимые пороговые показатели: IU, DL и CE.

4. Результаты обработки по каждой серии сводятся в итоговую таблицу.

Таким образом в этой таблице в компактном виде должны быть представлены все полученные пороговые показатели в зависимости от инструкции (“жесткая”, “нейтральная” и “либеральная”) и метода обработки (3-х категориальный, 2-х категориальный и интерполяция в нормальных координатах).

Если проводится обработка групповых результатов (см. выше), то данные, полученные по трем группам испытуемых, усредняются и также сводятся в одну общую таблицу.

Обсуждение результатов. В ходе анализа полученных результатов следует оценить влияние такого мощного несенсорного фактора как инструкция на различные пороговые показатели, а также посмотреть, зависят ли рассчитанные показатели от метода обработки результатов.

В выводах нужно оценить возможности и ограничения метода констант применительно к задаче оценки сенсорной чувствительности.

Литература

Основная

1. Бардин К.В. Проблема порогов чувствительности и психофизические методы. М.: Наука, 1976. С. 69—278.

2. Энген Т. Психофизика 1. Различение и обнаружение // Проблемы и методы психофизики. / Под ред. А.Г.Асмолова, М.Б.Михалевской. М.: Изд-во Моск. ун-та, 1974.

Дополнительная

1. Бардин К.В., Индлин Ю.А. Начала субъективной психофизики: В 2 ч. М.: Изд. ИП РАН, 1993.

2. Индин Ю.А. Современные методы субъективной оценки различий в звучаниях // Обзорная информация НИКФИ. Вып.1(34). М., 1979. С.4—24.

3. Михалевская М.Б., Скотникова И.Г. Метод подравнивания: зависимость мер чувствительности от сенсорной задачи. Вестн. Моск. ун-та. Сер. “Психология”. 1978. № 1. С.46-56.

4. Guilford J.P. Psychometric Methods. N.-Y.; Toronto; London: Mc-Grow-Hill, 1954. Р. 86—153.

Приложение 1

Требования к оформлению отчета по учебному заданию

 

1. Отчет пишется на стандартных листах писчей бумаги. Все листы заполняются только с одной стороны. Номера листов проставляются в верхнем правом углу. Текст на листе ограничивается рамкой: сверху и снизу — 2—2.5 см, слева и справа — 2—2.5 см.

Каждый отчет начинается с титульного листа, который служит обложкой работы. Сверху на нем указывается принадлежность студента к учебному заведению, факультету, специализации или кафедре. В середине листа указывается название изучаемой темы или раздела и название учебного задания (например: “Общий психологический практикум: психологические измерения. Метод минимальных изменений”). Ниже и справа указывается фамилия и инициалы студента, номер академической группы, фамилия и инициалы преподавателя. Внизу титульного листа отмечают год выполнения работы.

Эта страница служит также для отметок преподавателя о выполнении учебного задания и замечаний по поводу подготовленного студентом отчета.

2. Структура отчета о выполнении учебного задания в практикуме:

Теоретическое введение и постановка проблемы (не более 3-х листов). В данном разделе отчета дается общая характеристика изучаемого метода, его характерных особенностей, даются определения необходимых терминов.

Формулировка цели и конкретных задач работы в соответствии с общей проблемой, рассмотренной в теоретическом введении (не более 0.5 листа).

Описание методики. В этот раздел входят следующие пункты: 1) сведения об испытуемом, дата и время проведения опыта; 2) описание использованной аппаратуры и программного обеспечения; 3) описание параметров стимуляции; 4) подробное описание процедуры опыта: какие стимулы предъявлялись, в каком порядке, какие ответы и в какой форме давал испытуемый; приводится инструкция испытуемому; если опыт состоял из нескольких серий, указывается их порядок. В том случае, если процедура опыта была нарушена, указывается причина.

Если опыт проводился на компьютере, следует указать имя файла результатов.

Результаты. В этой части необходимо описать полученные данные, методы их обработкии привести основные результаты. Если использовались нестандартные способы обработки результатов, то их описанию стоит уделить особое внимание. Если использовались методы статистического анализа, то необходимо привести соответствующие формулы или сослаться на использованный статистический пакет при работе на компьютере. В последнем случае, как правило, следует привести стандартную распечатку полученных результатов обработки.

Итоговые результаты проведенных измерений сводятся в одну таблицу. Каждая таблица должна быть пронумерована и иметь соответствующее название, где нужно четко выразить основное содержание данной таблицы.

Рисунки, иллюстрирующие основное содержание работы, должны быть также пронумерованы и начерчены на координатной бумаге. В том случае, если по рисунку производится вычисление каких-либо результатов (как, например, в случае с психометрической функцией), то следует обратить внимание на выбор подходящего масштаба. Если рисунок делается с помощью компьютерной программы, то стоит позаботиться о введении координатной сетки. На графиках должны быть указаны все параметры, необходимые для однозначного понимания графика. Подрисуночные подписи и обозначения на графиках должны давать полную информацию, чтобы не возникала необходимость для понимания графика обращаться к тексту отчета.

Рисунки и таблицы рекомендуется выполнять на отдельных листах.

Обсуждение результатов и выводы должны соответствовать целям и задачам работы. В том случае, если получен нестандартный и неожидаемый результат, то безусловно следует уделить особое внимание его интерпретации и попытаться объяснить причины его появления. Если работа выполнялась в рамках какой-либо модели, то следует сделать четкое заключение о соответствии полученных результатов ее предположениям.

Выводы должны быть короткими и конкретными.

Литературные ссылки оформляются в соответствии с требованиями, предъявляемыми ГОСТом к научным статьям.

Приложение 2

 

Таблица для перевода значений p в значения z

 

 

Глава 2. МЕТОДЫ ОБНАРУЖЕНИЯ СИГНАЛА

 

§ 1. Общие понятия

 

В этой главе рассматриваются методы, отличающиеся от предыдущей группы методов новым подходом к локализации точки на психологической шкале, иначе говоря, другим подходом к измерению граничного шкального значения, разделяющего имеющееся множество стимулов на два класса: обнаруживаемые и необнаруживаемые, различаемые и неразличаемые и т.п.

В классических психофизических методах, хотя и изучаются сенсорные способности наблюдателя, не ставится вопрос о вероятности обнаружения стимула, а учитывается лишь вероятность ответов испытуемого “Да” (слышу или вижу). Однако легко себе представить такую ситуацию, когда испытуемый, находясь в ситуации тестирования (экспертизы), захочет показать максимум своих сенсорных способностей, и будет давать ответ “Да” почти в каждой пробе. Естественно, что в таком случае количество утвердительных ответов не будет сколько-нибудь точно отражать его предельные сенсорные способности. Надежда психолога-эксперта на честность испытуемого, по-видимому, не самое лучшее средство для обеспечения надежности проводимых измерений. Таким образом, достаточно очевидно, что результат пороговых измерений может сильно зависеть от стратегии испытуемого давать ответы определенного рода, и, следовательно, появляется задача прямого учета поведения наблюдателя в ситуации принятия решения об обнаружении или различении сигнала.

Новая методология, называемая психофизической теорией обнаружения сигнала (Green, Swets, 1966), содержит в себе представление о наблюдателе как не о пассивном приемнике стимульной информации, но как об активном субъекте принятия решения в ситуации неопределенности.

Вкратце этот подход можно охарактеризовать следующим образом. В стимульном потоке выделяется та его часть, на которую указанием ее пространственной и/или временной области или ее характерного паттерна обращается внимание наблюдателя. Эта выделенная часть называется стимулом или предъявлением (стимула). Выделяется некоторый физический признак (свойство, характеристика стимульного потока), который может присутствовать в одних пробах — значащий или сигнальный стимул, и отсутствовать в других — пустой стимул. Наблюдатель, от которого требуется обнаруживать этот признак, решает задачу бинарной классификации: относит каждое предъявление к одному из двух классов — “Нет признака”, “Есть признак”. Эта задача решается путем установления схемы соответствия (которая называется также правилом принятия решения) между особенностями сенсорного образа предъявляемого стимула и выбираемым решением. Эта схема соответствия может корректироваться под влиянием как предварительного информирования наблюдателя о частоте сигнальных или пустых стимулов в последующих предъявлениях, так и обратной связи — оценки правильности принимаемых наблюдателем решений.

В следующих трех разделах будут описаны три классических метода обнаружения сигналов: метод “Да-Нет”, двухальтернативный вынужденный выбор и метод оценки уверенности.

 

§ 2. Метод “Да-Нет”

 

В этом методе используются два стимула: один значащий — <S>, и другой пустой — <N>. Предъявления следуют друг за другом обыкновенно через более или менее регулярные интервалы времени и после каждого предъявления испытуемый отвечает “Да”, если был сигнал, или “Нет”, если он не обнаружил сигнала. Предъявление стимулов полностью рандомизировано, т.е. каждое очередное предъявление независимо от предыдущих может может быть с некоторой вероятностью P(S) сигнальным (и, следовательно, с вероятностью P(N) = 1 - P(S) — пустым); P(S) и P(N) сохранятся постоянными на протяжении всей серии предъявлений. Таким образом, если общее число предъявлений N в эксперименте достаточно велико, то число сигнальных и пустых предъявлений приблизительно равно, соответственно N•P(S) и N•P(N) (очевидно, N•P(S) + N•P(N) = N).

Рассмотрим теперь возможные комбинации <предъявление — ответ>, которые могут встретиться в эксперименте. Их четыре: <S — “Да”>, <N — “Нет”>, <S — “Нет”>, <N — “Да”>, причем первые два сочетания являются правильными, два последние — ошибочными исходами. Каждое их этих сочетаний имеет свое специальное название, как это показано в табл. 1.

 

Таблица 1

Исходы эксперимента по обнаружению сигнала

 

 

Попадание и ложная тревога будут в дальнейшем обозначаться через H (от английского hit) и FA (от английского false alarm). Обозначения для пропусков и правильных отрицаний — O (omission) и CR (correct rejection). Пусть мы пересчитали количество сочетаний каждого типа: n (H), n (FA), n (O), n (CR). Очевидно, что:

 

n(H) + n(O) = N•P(S), (1)

n(FA) + n(CR) = N•P(N). (2)

 

Зная эти качества и нормировав каждое из них по N (т.е. поделив на общее количество предъявленных проб), мы получим статистические оценки вероятностей появления исходов каждого типа:

P(H) = n(H)/N, P(O) = n(O)/N,... и т.д. (3)

 

Однако такие вероятности еще не говорят нам прямо о способности наблюдателя обнаруживать сигнал. Действительно, величина p(H) зависит не только от того, как часто наблюдатель идентифицирует <S> как сигнал, но и от того, сколь часто предъявлялось в эксперименте <S>. Поэтому, чтобы охарактеризовать деятельность испытуемого в данном эксперименте, отделив ее от деятельности экспериментатора (решающего, в частности, сколько раз предъявить <S>, а сколько — <N>), принято представлять результаты эксперимента в виде оценок условных вероятностей — вероятностей того, что испытуемый ответит правильно (неправильно) при условии, что был предъявлен данный стимул. Такие вероятности обозначаются так: P ("Да"/S), P ("Да"/N), P ("Нет"/S), P ("Нет"/N). В частности, первая из этих вероятностей есть вероятность правильного ответа при условии, что было предъявлено <S>. Легко видеть, что:

 

P("Да"/S) = P(H)/P(S) = n(H)/ N•P(S), (4)

P("Да"/N) = P(FA)/P(N) = n(FA)/ N•P(N). (5)

 

Если вычислены две эти условные вероятности, вычисление двух остальных уже не требуется. Они не несут дополнительной информации, т.к.:

 

P("Нет"/S) + P("Да"/S) = 1, (6)

P("Нет"/N) + P(" Да"/N) = 1. (7)

 

Итак, при данных (выбранных экспериментатором) величинах N и P(S) результаты эксперимента обычно представляют только двумя условными вероятностями: вероятностью попадания — p(H)=P(“Да”/S) и вероятностью ложной тревоги p(FA)=P(“Да”/N).

Заметим, что при всех приведенных выше расчетах из общего числа N предъявлений обычно исключают несколько первых (порядка 40—50), предполагая, что в этих первых пробах испытуемый постоянно меняет схему соответствия, “подстраивая” ее к информации, полученной от экспериментатора и в ходе эксперимента. Когда схема соответствия устанавливается стабильно, говорят, что решение задачи вышло на асимптотический уровень. Асимптотический уровень характеризуется тем, что если все число предъявлений (после исключения первых) произвольно разбито на несколько групп и по каждой из них в отдельности вычислено P(H) и P(FA), то все эти пары не будут статистически значимо отличаться друг от друга.

Полная характеристика эксперимента требует указания еще двух факторов: наличие/отсутствие предварительной информации и наличие/отсутствие обратной связи. Предварительная информация — это формальный признак, означающий сообщение испытуемому величины P(S). Например: “В 80% всех проб будет предъявляться пустой стимул” (т.е. P(S) = 0,2) или — “Сигнальное предъявление будет встречаться в 3 раза чаще пустого” (P(S)/P(N) = 3, т.е. P(S) = 0,75). Сама инструкция, разъяснение испытуемому формы предъявления, характера сигнала и т.п. — все это не входит в термин “предварительная информация”. Заметим, что предварительная информация, если она вводится, может быть и ложной, т.е. испытуемому может сообщаться не та величина P(S), которая есть на самом деле. Эта специальная модификация “Да-Нет”-эксперимента, которая здесь рассматриваться не будет. Термин обратная связь включает информацию об истинности/ложности ответов испытуемого, сообщаемую ему после каждого предъявления, или сообщение о частоте правильных ответов, даваемое после некоторой группы (скажем, через каждые 50) предъявлений. В специальных модификациях метода такая обратная связь также не всегда должна быть истинной. Иногда, например, используют такой вариант, когда после каждой пробы (предъявления) испытуемому с вероятностью P(k) сообщают важную информацию о правильности или ложности его ответа, а с вероятностью 1 - P(k) его “обманывают” (в этом варианте P(k) — формальная мера правдивости обратной связи).

Цель введения обратной связи и предварительной информации — попытка контроля схемы соответствия между свойствами ощущений и принимаемыми решениями, которую устанавливает испытуемый (правила принятия решения). Очевидно, однако, что если испытуемый не очень заинтересован в том, чтобы почаще отвечать правильно, то такой контроль может оказаться неэффективным. Кроме того, испытуемый может, устанавливая правило принятия решения, руководствоваться неизвестными экспериментатору субъективными “весами” различных типов ошибок. Например, он может стараться минимизировать число пропусков и не очень заботиться об уменьшении числа ложных тревог (т.е. “цена” пропуска выше “цены” ложной тревоги). Чтобы сделать контроль правила принятия решения более эффективным и дифференцированным, обратная связь может быть дополнена системой “выплат” и “штрафов”, соответственно за верные и ложные ответы, организованной в денежной или какой-либо другой (например, просто игровой) форме. Это можно записать в форме следующей платежной матрицы:

 

 

 

где V и W — положительные числа. Такая форма представления особенно удобна, так как она позволяет ограничиться только двумя числами, V и W, для характеристики всей платежной матрицы. Матрица называется симметричной, если V = W. Для определения оптимального правила принятия решения, т.е. такого из имеющегося у наблюдателя набора возможностей, которое максимизирует выигрыши, решающее значение имеет соотношение не самих V и W, а P(S)·V и P(N)·W (они совпадают, только если P(S) = 0,5). Если P(S)·V = P(N)·W, правило принятия решения должно быть установлено так, чтобы минимизировать вероятности ошибок обоих родов. Если же P(S)·V > P(N)·W, то правило целесообразно изменить так, чтобы сделать возможно меньшей вероятность пропуска, 1-p(H), даже если при этом увеличивается вероятность ложной тревоги, p(FA).

Возникает вопрос: что ограничивает набор возможных схем соответствия? Почему, в частности, испытуемый не всегда может выработать “правильную” схему соответствия, при которой p(H)=1 и p(FA)=0? Ответ на эти вопросы требует построения формальной модели следующих процессов: 1) какое соответствие существует между предъявлениями <S> и <N> и их сенсорными репрезентациями; 2) как по данной сенсорной репрезентации строится ответ (“Да” или “Нет”). Мы изложим здесь одну из простейших моделей, отвечающих на эти вопросы.

Суть модели состоит в следующем. Любой стимул (<S> или <N>) связан с его сенсорными репрезентациями стохастически (т.е. вероятностно, случайно), а не детерминистически. Это означает, что один и тот же стимул, повторяясь в различных пробах, вызывает различные сенсорные образы, так что в каждой отдельной пробе можно говорить только о вероятностях возникновения тех или иных сенсорных образов. Причины такой стохастичности многочисленны. С одной стороны, они могут лежать в природе самого стимула (например, количество квантов, излучаемых источником света в данном направлении в единицу времени — величина принципиально стохастическая) и в ограниченной точности приборных измерений. С другой стороны, стохастичность связана со случайными флуктуациями в сенсорной системе, например, со спонтанной нервной активностью в проводящих путях. Последняя, в частности, обеспечивает наличие различных сенсорных образов и в том случае, если пустой стимул <N> представляет собой отсутствие энергии в данной пространственно-временной области. Кроме того, известный вклад в стохастичность сенсорных эффектов безусловно вносят и так называемые внешние факторы: нестабильность стимуляционной аппаратуры, различного рода помехи и т.д.