《工程心理学与人的作业》重点摘要（1）——信号检测论定义、作用、理想模型和概率分布
- 信号检测论的定义与作用
信号检测论适用于信号与噪声两者处于离散状态且不容易分辨的情况。重要的是，信号检测论既可以对人类的检测行为进行分析，也可以用于对机器或自动检测系统以及人与机器协作的检测行为进行分析（Parasuraman，1987；Sorkin&Woods，1985；Swets，1998）。
信号检测是许多专业工作的基础。比如：
・机场安全警卫搜寻隐藏的武器（McCarley et al.，2004）。
・在雷达屏上探测联系信号（Mackworth，1948）。
・放射科医生在X光片上诊断恶性肿瘤（Swets，1998）。
・核电站的管理人员对系统异常的检测（Sorkin&Woods，1985）。
・战场上对目标身份的辨认（Holldands&Neyedli，2011）。
・空中交通管制中对紧急事件的识别（Metzger&Parasuraman，2001）。
・测谎仪对谎言的判断（Ben-Shakhar&Elaad，2003）。
・检测驾驶情境是否危险（Wallis&Horswill，2007）。
・判断穿行铁路十字路口是否安全（Yeh，Multer，&Raslear，2009）。
・发觉飞机机身上的裂缝（Drury，2001；Swets，1998）。
- 信号检测论的类型
信号检测的过程产生两种反应类型：有（信号存在）或无（信号不存在）。如图2-1所示，两种情形与两种反应类型构成了2×2的矩阵，其中包括击中（hits），漏报（misses），误报（false alarms）和正确拒绝（correct rejections）四类相互关联的事件。信号检测论中，可以用概率值表示这四类事件的值。各类事件的值等于该事件发生的数值除以其所在列事件发生的总数。例如，有20个信号，其中有5个击中，15个漏报，则击中率
（hit rate）为P（击中）=P（H）=5/20=0.25。如果呈现的10个噪声中有一半回答的是“有”，则误报率（false alarmrate）为P（误报）=P（FA）=0.50。
在实验室之外的有些情境下，我们不知道“噪声”的实际频率，此时我们只看操作人员反应为“有”的情况下，有多少是确实有信号的。所以，误报率被定义为没有信号出现但给予肯定回答的比例（比如，75%的非信号给了肯定回答）。
- 模型假设
信号检测论模型（Green&Swets，1966；Macmillan&Creelman，2005；T.D.Wickens，2002）假设，在检测任务中存在以下两种信息加工阶段：①收集有关信号出现与否的感觉迹象；②判断迹象是否来自信号。我们用“X”来代表感觉迹象的值，则信号呈现时X的平均值大于没有信号呈现的情况（可以把X看作某个脑区的神经活动水平）。神经活动水平随着刺激强度的增加而增加。所以，如果神经活动性足够强，X大于临界阈限XC，操作者就认为“有信号”；若神经活动太弱，操作者就认为“无信号”。在环境和大脑神经活动的随机因素（如在感觉通道和大脑中的“噪声”）影响下，即使没有信号呈现，X值也会持续变化，如图2-2所示。
因此，即使没有信号呈现，X值也可能由于随机变化而超过临界值XC，这时操作者会认为“有信号”出现（产生一个误报，如图2-2的A点）。同样，即使信号呈现了，由于随机神经活动水平比较低使得X值低于临界值，操作者也会认为“没有信号”（产生一个漏报，如图2-2的B点）。
所以信号与噪声的强度差异越小，则相对于信号的能量值，随机因素引起的X变异量就会增大，那么发生误报与漏报的概率就越高。图2-2中，若呈现的信号较弱，X的平均值增加就很小；若呈现的信号较强，X的平均值就会有较大的增加。
- 信号检测论的理论分布
在信号检测论中，我们用两条正态曲线来表征信号与噪声。图2-3显示了假设噪声（左边的曲线）或信号（右边的曲线）出现的情况下，实际观察到的特定值X的概率。通过计算在不同情形下X不同值的相对频率（见图2-2的上图），就可以得到这些数据。
当信号与噪声引起的X值的概率相等时，信号曲线和噪声曲线交叉重叠。假设操作者设定的临界值XC在两曲线的交叉点上。为了表示清楚，我们在图2-3中的交叉点上画一条垂直于X轴的直线。
当X值处于XC右边时（X＞XC），操作者的反应为“有信号”；当X值处于XC左边时，操作者的反应为“无信号”。对于机器检测系统，XC是由人，通常是系统的设计者设定的（可参见本章后面的“告警与警报”部分），同样，如果X值超过了XC，则系统更可能判断为“有信号”。
两条曲线覆盖的范围可以分为四个部分，分别代表击中、漏报、误报和正确拒绝的概率。因为每条曲线内的面积为1.0，所以在两条曲线内阴影部分与各自所在曲线内的另一部分的和均为1.0。即P（H）+P（M）=1，以及P（FA）+P（CR）=1。
