신호검출이론

왜 배우는가: 신호검출이론은 작업자가 신호를 얼마나 잘 찾아내는지와 판단 기준이 어느 쪽으로 치우쳐 있는지를 나눠 보게 한다. 감시·검사 작업의 오류 원인을 찾고 경보 기준을 정하는 데 쓰여 이 종목에서 여러 회차에 걸쳐 반복 출제됐다.

출제 이력: 제136회 3교시 1번, 제124회 4교시 1번, 제121회 2교시 5번, 제118회 3교시 1번, 제115회 1교시 4번, 제103회 4교시 6번, 제91회 3교시 5번

1. 한 줄 정의와 핵심 키워드

신호검출이론은 잡음 속에서 신호를 알아채는 능력(민감도)과 판단 기준의 치우침(반응편향)을 나눠 재는 이론이다.

답안 첫 줄에는 이 정의를 그대로 쓰고, 이어서 신호 유무와 반응이라는 두 축으로 나뉘는 네 가지 결과를 설명한다. 정의의 핵심은 감각 능력과 결정 기준을 분리한다는 점이다. 이 분리가 있어야 같은 실험 결과를 두고 '잘 본 것인지', '조심스럽게 답한 것인지'를 따로 말할 수 있다.

핵심 키워드

• 신호검출이론(Signal Detection Theory, SDT)
• 민감도(d′)
• 반응편향(β)
• 판정기준(criterion)
• 적중(Hit)
• 허위경보(False Alarm)
• 누락(Miss)
• 정확한 기각(Correct Rejection)

2. 개념 풀이

쉬운 말로 풀면, 작업자가 '지금 신호가 있다'고 답할 때 그 답은 두 가지에 기대고 있다. 하나는 신호와 잡음을 실제로 얼마나 잘 구별하는 능력이고, 다른 하나는 얼마나 확실해야 '있다'고 말할지에 대한 기준이다. 두 요인은 서로 독립이므로 따로 재야 한다.

정식으로는 잡음만 있을 때 생기는 내부 반응의 분포와 신호가 더해졌을 때의 분포를 정규분포로 가정한다. 두 분포의 평균 차이를 잡음 분포의 표준편차로 나눈 값이 민감도(d′)다. 민감도는 편향과 관계없이 감각 자체의 구별력을 나타내며, 값이 클수록 신호를 잘 찾는다. d′가 0이면 신호와 잡음을 구별하지 못하는 상태다.

$d′ = z(H) − z(F)$

H는 신호가 있을 때 '있다'고 답한 비율인 적중률이고, F는 신호가 없을 때 '있다'고 답한 비율인 허위경보율이다. z는 표준정규분포에서 누적 확률을 z값으로 바꾸는 역함수다. 두 비율을 z값으로 바꾼 뒤 차이를 구하면 편향의 영향이 빠진 민감도가 남는다. 민감도는 편향과 무관하게 감각 자체의 구별력만 나타낸다.

반응편향(β)은 판정기준(criterion)이 두 분포 가운데 어디에 놓였는지를 나타낸다. 기준을 낮게 잡으면 '있다'는 반응이 늘어 적중과 허위경보가 함께 늘고, 기준을 높이면 둘 다 줄어든다. 즉 편향은 누락과 허위경보 가운데 무엇을 더 감수할지에 대한 전략이다.

그림에서 두 곡선이 많이 겹칠수록 민감도가 낮다. 기준선을 오른쪽으로 옮기면 허위경보는 줄고 누락은 늘며, 왼쪽으로 옮기면 반대가 된다. 기준선의 위치는 민감도를 바꾸지 않고 반응만 바꾼다는 점이 핵심이다.

3. 등장 배경과 필요성

신호검출이론이 나오기 전에는 감각 역치 개념으로 탐지를 설명했다. 역치보다 약한 자극은 보이지 않는다고 보는 방식이었다. 그러나 같은 사람이 같은 자극에 대해 상황에 따라 '있다'와 '없다'를 다르게 답하는 현상은 역치 하나로 설명되지 않았다. 1966년 Green과 Swets가 신호검출이론을 정식화하면서, 탐지 반응을 지각 민감도와 결정 기준으로 나눠 분석하는 틀이 자리 잡았다.