我想为涉及检测新旧项目的存储任务计算d素数。我的问题是某些受试者的命中率为1和/或错误警报率为0，这使概率分别为100％和0％。
对于式d素是d' = z(H) - z(F)，在这里z(H)和z(F)分别命中率和假警报，的Z转换。
为了计算z变换，我使用Excel函数NORMSINV（即z(H)=NORMSINV(hit rate)）。但是，如果命中率或误报警率分别为1或0，该函数将返回错误。据我了解，这是因为z变换指示ROC曲线下的面积，在数学上不允许100％或0％的概率。在这种情况下，我不确定如何为具有天花板表现的拍摄对象计算d'。
一个网站建议用1-1 /（2N）和1 / 2N替换1和0比率，其中N为最大点击和错误警报数。另一个网站说“ H或F都不可以是0或1（如果是，请向上或向下稍微调整一下”）。这似乎是任意的。是否有人对此有意见或想向我指出正确的资源？
Answers:
Stanislaw＆Todorov（1999）在“ 零或一的命中率和虚警率 ”标题下对此进行了很好的讨论。
他们讨论了处理这些极端值的几种方法的利弊，包括：
在计算统计数据之前汇总来自多个主题的数据（Macmillan＆Kaplan，1985）
命中次数和误报次数均加0.5，信号试验次数和噪声试验次数均加1；被称为对数线性方法（Hautus，1995）
两个站点都在暗示着同一件事，但是一个站点正在提出一种始终如一地选择调整量的方法。这归因于许多人，但我认为没有人知道谁是最先提出的。不同领域在信号检测方面有不同的开创性书籍或作者。重要的是您选择的方法是合理的。
通常采用一种发布方法来暗示，如果您拥有一组更大的项目（2N），那么您将至少能够检测到一个错误。如果这是考虑问题的合理方法，那么您就完成了。我怀疑这是用于内存测试。将来，您可能需要提高N以确保这种情况发生的可能性大大降低。但是，如果您以其他方式考虑，则该方法是可挽救的。您正在对相同数量的内存项的两次运行的假设平均值进行调整。在这种情况下，您是说在另一轮实验中（假设有新商品，或者他们忘记了所有旧商品），就会出现错误。或者，更简单地说，您只是在可以衡量的最高不完美分数和完美分数之间选择一半。
这是没有简单通用解决方案的问题。您需要问的第一个问题是，您是否认为自己拥有真正的完美分类。在这种情况下，您的数据就是您的数据。如果不是，那么您认为这只是样本中的变异，导致命中率为100％。一旦得出结论，那就必须考虑合理的方法来估算您的预期目标。因此，您必须问自己到底是什么。
确定d'的最简单方法是查看相同条件下的其他数据。您也许可以估计此参与者的准确性介于您拥有的下一个最佳值和100％（可能与您发现的值完全相同）之间的一半。或者，可能会大一些。或者它可能等于最佳值。您必须根据数据选择您认为最佳的答案。张贴的更具体的问题可能会对您有所帮助。
您应该尝试确保所做的事情对标准的影响尽可能小。在您的情况下，对点击数和FA的调整将导致标准完全不改变。但是，如果您在说FAs = 0.2时调整匹配，那么您必须小心该调整将如何影响标准的解释。在这种情况下，您有义务确保点击率很高。