Teora Cuntica Neural Un intento por derivar una

Teoría Cuántica Neural • Un intento por derivar una función psicométrica lineal a partir del supuesto de que la discriminación ocurre a lo largo de una dimensión sensorial dentro del observador compuesta de pequeños pasos discretos (cuánticos) • Un observador puede detectar un incremento ΔΦ, en un estímulo Φ, solo cuando es suficientemente grande como para excitar una unidad neuronal adicional. • p = estimulación excedente, Q incremento necesario para excitar una unidad neuronal adicional. • El valor de ΔΦ que es suficiente para excitar un quantum neural adicional es: ΔΦ = Q – p. • La proporción de ocasiones en que ΔΦ excitará un quantum adicional es: r 1 = ΔΦ/Q. • La predicción para un umbral de dos unidades es r 2 = (ΔΦ – Q)/Q

Stevens y condiciones • Control cuidadoso del estímulo. • Mantener constante el criterio en la sesión (recta vs ojiva) • Transición rápida entre los estímulos estándar y de comparación.

Factores no sensoriales • Dificultades con la noción de umbral absoluto • La probabilidad de ocurrencia del estímulo. • Matriz de pagos. • Sesgo de respuesta

Detección de Señales: Terminología • Ensayos de ruido. • Ensayos de señal. • Tasa de hits. Respuesta Tipo NO De RUIDO Rechazo Ensayo correcto SEÑAL Fallo SI Falsa Alarma Hit

Tasa de falsas alarmas Tasa de hits Tasa de fallos = 1 - h Tasa de rechazos correctos = 1 - f

Parámetros

Supuestos de la teoría estadística de la decisión • La evidencia sobre la señal que el observador extrae del estímulo se puede representar con un solo número. • La evidencia extraída está sujeta a variación aleatoria. • La elección de la respuesta se hace aplicando un simple criterio de decisión a la magnitud de la evidencia.

Modelo Gaussiano

Estimando d’ y λ

NO SI Σ RUIDO 54 46 100 SEÑAL 18 82 100 FALSE ALARM RATE: f = 46/100 =. 46 λ = Φ (1 -f) = Φ(1 -. 46)= Φ(. 54) = 0. 1 HIT RATE: h=82/100 =. 82 cae arriba de una distribución centrada en d’ λ - d’ : Φ (h) = Φ (. 82) =. 915 λ queda. 915 unidades debajo de d’ λ - d’ =. 092 λ = z (1 -f) = ; λ = -z (f); d’ =z(h) –z(f) =. 915 – (-. 1) = 1. 015 z(1 -h) = λ – d’; z(h) = d’ - λ

Medición del sesgo

Sitios útiles http: //faculty. vassar. edu/lowry/tabs. html#z http: //www. statsoft. com/textbook/stathome. html? sttable. html&1 http: //wise. cgu. edu/sdtmod/signal_applet. asp http: //www. artsci. wustl. edu/~rabrams/psychlab/index. htm