３件法による恒常法／上下法データの分析
岡本安晴
恒常法あるいは上下法（階段法）を３件法で行った場合のデータ分析を確率モデルにより行った。３件法は、「判らない／等しい」判断と閾値の区別ができないという批判があるが、これは３件法データを算術で分析する場合のことである。確率モデルを設定した場合は、「判らない／等しい」判断は、psychometric function (PF)のシフト量、閾値はPFの傾きとして区別される。むしろ、２件法を用いると、「判らない／等しい」と思われるときに、ランダムに「強い」あるいは「弱い」と判断することが強制されるが、ランダムに判断することは難しいという問題がある。広く採用されている２件法より、3件法の方が誤差が小さい（RMSEが小さい）という報告もある（岡本、2017，2019）。特に２件法でなければならないという理由がないならば、３件法（あるいは４件法）を用いるべきであると思われる。
３件法で上下法を行うことは煩雑であると思われるかもしれないが、提示刺激値をPCディスプレイ上に表示して、実験はPCのディスプレイに従って進めることができるプログラムも用意した。本ウェブサイト後半で説明する。
３件法による恒常法については岡本（2017）、３件法による上下法については岡本（2019）を参照されたい。恒常法の場合は、提示比較刺激値の組が予め決められているが、比較刺激値の間隔がJNDのほぼ２倍（弁別確率でほぼ0.91）であってもよいことが示唆されている（岡本、2017、p. 90）。上下法の場合は、観察者の反応に応じて提示比較刺激値が変化するが、このときの変化量は弁別確率が約0.84が良いことが示唆されている（岡本、2019、p．99）。恒常法の場合は、提示比較刺激値はランダムに決められるが、上下法の場合は、次の方法で提示比較刺激値を選ぶことができる（岡本、2019）。
上下法では、提示刺激値が直前の試行における判断に依存して決まるため、被験者が提示刺激値を予測する可能性が高い。これを避けるため、２系列用意して２つの系列の試行をランダムに混ぜて実施する（二重上下法；大山、2005）。２つの系列を系列１と系列２として、系列
でのものであることを右上に添え字として明記する。
３件法の場合、判断は「強い」、「同じ／わからない」、「弱い」の３通りである。これは、恒常法の場合も同じであるが、提示がランダムであるので、恒常法では2系列用意する必要はない。
上下法の場合は、系列の第
試行における判断（反応）
を以下のように表す。
系列の第試行における提示刺激値を
で表すとき、次試行における提示刺激値を判断に応じて以下のように決める（岡本、2019）。
のとき,
,
のとき,
,
のとき,
判断がのときに前試行における刺激値との関係で次試行の刺激値が決められているのは、「強い」判断および「弱い」判断のデータが多い方が心理測定関数（psychometric function: PF）の傾きの推定が安定するからである。
なお、上記の上下法の手続きの実行は、実験者が観察者の反応に応じて２系列での提示刺激値を決めて行うのは煩雑であると思われる。プログラムによりPCのディスプレイ上に提示刺激値を表示して、それを見ながら実験できるようにプログラムを用意した。３件法による上下法実験補助プログラムとして、本サイトの後半に用意したので参照されたい。これらの実験補助プログラムは、圧縮ファイルupdown3catfiles.zipにまとめたので、ダウンロード展開すれば自由に利用できる。
データ分析においては、系列１のデータ
と系列２のデータ
をまとめて
とおき、刺激に対する反応の確率を次式で与える（岡本、2019）。
ここで
であり、
は累積標準正規分布関数である。これは、３件法恒常法の場合のモデル（岡本、2017、式（３））において、
、
と置いたものである。
このとき、尤度関数を次式で与える。
、
である。２系列用いる上下法の場合は、総試行数は偶数
であるが、恒常法の場合はデータ数に応じて奇数の場合もある。この尤度関数は、データが上下法以外の方法、例えば恒常法、で集められた場合にも適用できることに注意。データは、「強い」判断および「弱い」判断が確実なそれぞれ刺激値が十分に強いものと弱いものを含むと、
の事後分布が拡散することを防ぐことができる。
この尤度関数に対して、事前分布として一様分布を設定したときの事後分布を求めるStanスクリプトをリスト１に示す。
リスト１ ３件法データ確率モデルのStanスクリプト例（PM3Cat_EqC.stan）
data {
int N; // The number of
trials
int Res[N]; // Responses:
//
1 denotes -, 2 denotes ?, 3 denotes +
real X[N]; // Stimuli
real mu_min;
//
Lower boundary of mu
real mu_max;
//
Upper boundary of mu
}
parameters {
real<lower = 0.0> sgm;
real mu;
real<lower = 0.0> C;
}
transformed parameters {
vector[3] p[N]; // Probabilities for
X[N]
for (i in 1:N){
p[i][1] = 1 - Phi((X[i] - mu + C) / sgm);
p[i][2]
= Phi((X[i] - mu + C) / sgm) - Phi((X[i] - mu - C) / sgm);
p[i][3] = Phi((X[i] - mu - C) / sgm);
}
}
model {
sgm ~ uniform(0, mu_max -
mu_min);
mu ~ uniform(mu_min,
mu_max);
C ~ uniform(0, mu_max -
mu_min);
for (i in 1:N)
Res[i] ~ categorical(p[i]);
}
の値は、−、？、＋を１、２、３で表している。
リスト１のStanスクリプトを用いて、３件法デーを分析するスクリプト例MainPSEJND.pyを作成した。サンプルデータData3Cat.xlsxなどとともに圧縮ファイルpsejnd3cfiles.zipにまとめた。ダウンロード展開して、自由に利用されたい。
スクリプトMainPSEJND.pyを実行すると、以下のように入力データファイル名と出力データファイル名の入力が求められる。
(py37) PS
D:\tips\PSE_JND_Bysn\psejnd3cfiles> Python MainPSEJND.py
Data file name (*.xlsx) =
Data3Cat.xlsx
Output file name = Results.txt
上の例は、Windows 10においてAnacondaの仮想環境としてPython 3.7用のもの（py37と命名した）を用意して、pystan 2.17.1.0をインストールした仮想環境で実行したものである（2022.06.20）。既に他のpystanがインストールされている場合は、コマンド
conda install
pystan==2.17.1.0
を実行して置き換えればよい。等号=は2つである。
入力データファイルは、Excel形式のファイルとして用意する（図１）。
図１
第１行目に、変数名を適当に設定する。図１では、簡単にt、s、rが設定されている。２行目からデータを設定するが、１列目はデータの識別用である。図２では通し番号が設定されているが、任意の文字列でよい。２列目に提示刺激値
を設定し、３列目に反応を設定する。反応は、「弱い」判断のときは１、「同じ／わからない」判断のときは２、「強い」判断のときは３を設定する。データの行の順序は任意である。これは、判断の確率が刺激値のみによって与えられるので、例えば、図２の２行目にある０番目のデータと101行目の99番目のデータを入れ替えても尤度関数値は変わらないからである。
入力データファイル名を設定すると、次に出力ファイル名の設定が求められる。適当なテキストファイル名を設定する。
入力ファイル名と出力ファイル名の設定が終わると、データが読み込まれ、Stanによる事後分布からのサンプリングが始まる。
サンプリングが終了すると、パラメータmu(
)の事後分布のグラフがMAP推定値、95％ CIとともに表示される（図２）。グラフは、自動的にファイルとして保存されるので、プログラムの実行終了後も見ることができる。これは、図３以下のグラフも同様である。
図２
フォーム右上のX印をクリックしてフォームを閉じると、次に、sigma（）の事後分布のグラフが、MAP推定値と95％ CIとともに表示される（図３）。
図３
図３のフォームを閉じると、次にCの事後分布のグラフがMAP推定値と95％ CIとともに表示される（図４）。
図４
図４のフォームを閉じると、次にPFとデータ値のグラフがMAP推定値に基づくPSEとJNDの推定値とともに表示される（図５）。
図５
PFは、以下の式に基づくものである。
データ値は、１から３までの値であるが、これを０から１までの範囲に縮小して表示している。すなわち、
である。さらに、上下に少しランダムな変動を加えて、完全に重なって表示されることを防いでいる。
図５のフォームを閉じると図６のフォームが表示される。
図６
図５に表示されているPF（実線）と対応するデータ値（評定Rが２以上および３以上の比率）のKDE（Kernel Density Estimation）による平滑化されたグラフ（破線）が表示されている。図６のフォームを閉じると、以下のようにw_kの値の現在値が表示され、次の値の設定が求められる。
The current value of w_k =
4.528924941840808
The nexr value of w_k =
このw_kは平滑化におけるkernelの窓の幅で、この値が大きいと大まかな滑らかな曲線が得られ、小さいときは細かく変動した曲線、あるいは値が小さすぎると曲線が一部あるいは全部が消えてしまう。
w_kの値として０以下の値（図９の場合）を設定すると、プログラムは終了する。
The current value of w_k =
4.528924941840808
The nexr value of w_k = 0
Output file Results.txt was saved.
(py37) PS
D:\tips\PSE_JND_Bysn\psejnd3cfiles>
表示されている出力ファイルResults.txtを開くと、以下のようになっている。
Data file...Data3Cat.xlsx
Number of data = 100
0 257.50 3
1 237.50 3
2 222.50 3
3 207.50 3
4 192.50 1
5 207.50 2
・
・
・
96 207.50 3
97 192.50 1
98 207.50 1
99 222.50 3
Summary...
Inference for Stan model:
anon_model_06b3324a296857975de6b1d20d4bb0ed.
4 chains, each with iter=2000;
warmup=1000; thin=1;
post-warmup draws per chain=1000,
total post-warmup draws=4000.
mean
se_mean sd 2.5% 25% 50% 75% 97.5% n_eff Rhat
C 10.15 0.03 1.72 7.2 8.94 10.0 11.19 13.87 2480 1.0
mu 203.81 0.04 1.89 200.06 202.55 203.86
205.05 207.5 2585 1.0
sgm 14.79 0.05 2.45 11.0 13.07 14.47 16.13 20.62 2214 1.0
lp__ -70.74 0.03 1.26 -73.91 -71.34 -70.41 -69.81
-69.31 1695 1.0
Samples were drawn using NUTS at Mon
Jun 20 12:14:53 2022.
For each parameter, n_eff is a crude
measure of effective sample size,
and Rhat is the potential scale
reduction factor on split chains (at
convergence, Rhat=1).
MAP for mu = 203.94 95% CI for mu = [200.06,
207.49]
Map for sigma = 13.43 95% CI for sigma = [11.00,
20.62]
MAP for C = 9.46 95% CI for C =
[7.20, 13.87]
MAP for PSE = 203.94, 95% CI for PSE = [200.06,
207.49]
MAP for JND = 9.06, 95% CI for JND= [7.42,
13.91]
読み込まれたデータの出力後、ベイズ分析の統計量が出力されている。データが正しく読み込まれたかどうかの確認と、ベイズ分析の統計量を出力ファイルでも読むことができる。
岡本安晴（2017） 恒常法における反応カテゴリー数の影響．基礎心理学研究，36，85-91．https://doi.org/10.14947/psychono.36.11
岡本安晴（2019） 多件法による上下法．基礎心理学研究，38，90-104．https://doi.org/10.14947/psychono.38.2
大山正（2005）．第７章 精神物理学的測定法． 大山正・岩脇三良・宮埜嘉夫（共著）．心理学研究法――データ収集・分析から論文作成まで――．サイエンス社．
色や音などのように提示刺激がPCで制御できる場合は、上下法の手続きをプログラムで実装することにより実験の実行は自動的に行われ、実験実施時に実験者が観察者の判断に応じて系列内の次の刺激値を決める煩雑さを避けることができる。しかし、提示刺激がPCで制御されない場合も、提示刺激値をPCで自動的に示せると便利である。このためのプログラム例を２つ用意した。１つは、本サイトの前半で説明されている手続きをそのままプログラムしたものUpDownExp3CatCont.pyである。刺激値が上下法の手続きに従って算出されるので、提示刺激値の値が連続量であり任意の値が使用可能であることが前提とされている。しかし、錘や味覚などの場合は、用いる可能性のある物理刺激値が実験前に予め用意されていると思われる。予め用意されている提示刺激値から上下法の考え方で観察者の判断に応じて提示刺激を選ぶプログラムUpDownExp3CatFix.pyも用意した。2つのプログラムは、圧縮ファイルupdown3catfiles.zipにまとめたので、ダウンロード展開すれば、自由に利用することができる。まず、UpDownExp3CatCont.pyから説明を行い、その後、UpDownExp3CatFix.pyについて説明する。
プログラムUpDownExp3CatCont.py（本ウェブサイトの後ろ、リストA.1）を実行すると、上下法を行うために必要な設定が以下のように求められる。
(py37) PS D:\updown3catfiles>
python .\UpDownExp3CatCont.py
出力ファイル名(.txt) = data.txt
初期値（大きい方）= 100
初期値（小さい方）= 10
Δ値（初期値）= 48
Δ値（下限値）= 5
ブロック数（１ブロック=４試行）= 5
初期値（大きい方）= 100.0
初期値（小さい方）= 10.0
Δ値（初期値）= 48.0
ブロック数 = 5
OK? (y/n) =
出力ファイル名で設定されたテキストファイルに上下法の実験結果が出力される。
上下法では２系列が用いられているが、大きい刺激値から始まる系列の最初の提示刺激値を「初期値（大きい方）」に、小さい刺激値から始まる系列の最初の提示刺激値を「初期値（小さい方）」に設定する。これらの値は十分に大きい、あるいは十分に小さい値として、「強い」あるいは「弱い」と確実に判断される値を設定すると安定した分析結果を得ることが期待される。Δ値（初期値）は、上下法における刺激値の変化量の初期値である。各系列の第1試行においてこの初期値だけ刺激値が変化するので、この初期値分の変化によって主観的等価点付近の値になるようにしておくとよいと思われる。Δ値は半減されていくので、Δ値が常に整数値であるようにするには、初期値を
の形式の値を選ぶとよい。
はΔ値の最小値以下の整数であり、
は適当な正整数である。
Δ値（下限値）は、刺激値の変化量の下限値である。この下限値により上下法における刺激の変化が小さ過ぎないようにすることができる。
ブロック数は、本プログラムでは４試行を１ブロックとして扱っているので、4試行×ブロック数が総試行数になる。１ブロックは、系列１が２試行、系列２が２試行の構成となっており、ブロック内で試行をランダマイズして実験が行われる。
ブロック数を設定すると、以上の設定内容が表示され、これでよいかどうの確認が行われる。
文字「y」を入力すれば、設定完了として次に進むが、「n」を入力すれば再設定になる。
文字「y」を入力して、実験を始めると、まず、第1試行で提示する刺激値が表示される。以下の例では、刺激値10.0が示されている。
OK? (y/n) = y
試行：1/20
刺激値： 10.0
反応(1:小・弱,
2:不明・等しい, 3:大・強)?
この刺激値に対する反応を入力する。次の例では、「小・弱」に相当する判断が得られたので、１と入力している。
試行：1/20
刺激値： 10.0
反応(1:小・弱,
2:不明・等しい, 3:大・強)? 1
試行：2/20
刺激値： 100.0
反応(1:小・弱,
2:不明・等しい, 3:大・強)?
第１試行における判断を入力すると、第２試行で提示する刺激値が表示される。上の例では刺激値100.0が示されている。
この刺激値に内する判断を、整数値１，２，あるいは３で入力すると、次に第３試行で提示する刺激値が表示される。
以下、同様に進める。
最後の試行が終了すると、図A.1が表示される。
図A.1
各試行において提示された刺激値が系列別に色分けされてプロットされている。系列１がSer.A、系列２がSer.Bである。判断１が下向き三角形、判断２が小円、判断３が上向き三角形で表されている。
図A.1のフォームを閉じるとプログラムの実行終了となる。
試行：20/20
刺激値： 47.0
反応(1:小・弱,
2:不明・等しい, 3:大・強)? 2
trial
stimulus response
B1
10.0
1
A2
100.0
3
B3
58.0
3
A4
52.0
3
A5
28.0
1
A6
40.0
1
B7
34.0
1
B8
46.0
1
B9
52.0
3
A10
46.0
1
A11
51.0
2
B12
47.0
2
A13
56.0
2
A14
61.0
3
B15
42.0
1
B16
47.0
1
B17
52.0
3
A18
56.0
2
A19
51.0
2
B20 47.0
2
data.txt.was saved.
(py37) PS D:\updown3catfiles>
ディスプレイ画面には、実験結果と出力ファイルdata.txtが保存されたことが表示されている。
出力ファイルdata.txtはExcelで開くことができる（図２）。
図A.2
図A.2の状態で、メニュ「ファイル｜名前を付けて保存」を選び（図A.3）、Excelブックとして保存する（図A.4）。
図A.3
図A.4
このExcelファイルは、本ウェブサイトの前半で説明したプログラムの入力ファイルとして使用できる。
提示する刺激値を予め決めて用意しておく場合は、上下法において反応に応じて刺激値をΔだけ変えると用意されていない値になる可能性がある。この場合は、刺激値をΔだけ変えるのではなく、１つ隣の刺激値を採用することにすればよい。刺激値が
と用意されているとき、刺激値
の値を増やすときは
を、減らすときは
を採用する。
プログラムUpDownExp3CatFix.py（本ウェブサイトの後ろ、リストA.2）を実行すると、以下のように、まず出力ファイル名の設定が求められる。
(py37) PS D:\updown3catfiles>
python .\UpDownExp3CatFix.py
出力ファイル名(.txt) = data.txt
刺激系列（小ー＞大）= 10 30 40 47 50 53 60
80 100
入力系列 =
['10', '30', '40', '47', '50', '53',
'60', '80', '100']
1: 10
2: 30
3: 40
4: 47
5: 50
6: 53
7: 60
8: 80
9: 100
OK(y/n) =
出力ファイルには、実験の実行結果が設定した名前のテキストファイルに出力される。
出力ファイル名の設定の次に、使用する刺激値の設定が求められる。刺激値は、空白文字で区切って並べて入力する。並べた後、Enterキーを押すと、入力した刺激値が、横１行に並べたものと、縦に番号付きで並べたものが表示される。入力した値に問題がなければ、文字「y」を入力して、次に進む。文字「n」を入力すると、再設定できる。
文字「y」を入力すると、次にブロック数の入力が求められる。系列１と系列２の試行それぞれが２試行、計４試行で１ブロックである。ブロック内ごとに試行はランダマイズされている。以下の例ではブロック数は５が設定されているので、総試行数は４×５＝２０試行である。系列１は、用意された刺激値の最大値が最初の刺激値である。系列２は最小値が最初の刺激値である。
ブロック数を設定すると実験が始まり、以下の例では、試行１における刺激値10.0が示されている。
OK(y/n) = y
ブロック数（１ブロック=４試行）= 5
試行：1/20
刺激値： 10.0
反応(1:小・弱,
2:不明・等しい, 3:大・強)?
刺激値の判断が「小・弱」に属するものであれば、反応として整数値１を入力する。以下の例では、１を入力して、次の試行２での刺激値が30.0であることが示されている。
試行：1/20
刺激値： 10.0
反応(1:小・弱,
2:不明・等しい, 3:大・強)? 1
試行：2/20
刺激値： 30.0
反応(1:小・弱,
2:不明・等しい, 3:大・強)?
試行２における刺激値30.0に対する反応を入力すると、次の試行３に続く。最後の試行、上の場合、20試行の反応を入力すると実験終了となり、図Ｂ.1のグラフが表示される。
図B.1
各試行における提示刺激値がプロットされている。系列１が青色（Ser.A）、系列２が緑色（Ser.B）で表され、判断１が下向き三角形、判断２が小円、判断３が上向き三角形で表されている。
図B.1のフォームを閉じると、プログラムの実行終了である。
試行：20/20
刺激値： 53.0
反応(1:小・弱,
2:不明・等しい, 3:大・強)? 2
trial
stimulus response
B1
10.0
1
B2
30.0
1
A3
100.0
3
A4
80.0
3
A5
60.0 1
A6
80.0
3
B7
40.0
1
B8
47.0
1
A9
60.0
3
B10
50.0
2
B11
53.0
3
A12
53.0
2
B13
50.0
2
A14
50.0
2
B15
47.0
1
A16
47.0
2
A17
40.0
1
B18
50.0
2
A19
47.0
1
B20
53.0
2
data.txt.was saved.
(py37) PS D:\updown3catfiles>
実験結果の表示の後、出力ファイルdata.txtが保存されたことが出力されている。
このファイルをExcelで開くと、図B.2のようになっている。
図B.2
図B.2の状態で、メニュ「ファイル｜名前を付けて保存」でExcelファイルとして保存すると（図B.3、図B.4）、本サイトの前半で説明したプログラムで読み込める。
図B.3
図B.4
リストA.1 ３件法提示刺激値表示プログラム（刺激値が連続量
UpDownExp3CatCont.py）
import numpy as np
import matplotlib.pyplot as plt
class SubSer3Cat():
def __init__(self,
start_v=None, start_delta=None,
min_delta=None, cond=None, ser_id=None):
self.v = start_v
self.delta = start_delta
self.min_delta = min_delta
self.cond = cond
self.ser_id = ser_id
def next_state(self,
response):
if
response <= 1:
self.v += self.delta
self.cond = 'up'
elif
response >= 3:
self.v -= self.delta
self.cond = 'down'
else:
if self.cond == 'up':
self.v += self.delta
else:
self.v -= self.delta
self.delta *= 0.5
if
self.delta < self.min_delta:
self.delta = self.min_delta
ser = ['A']*2 + ['B']*2
fout_nm = input('出力ファイル名(.txt) = ')
fout = open(fout_nm, 'w')
while True:
Start_A = float(input('初期値（大きい方）= '))
Start_B = float(input('初期値（小さい方）= '))
Start_delta = float(input('Δ値（初期値）= '))
Min_delta = float(input('Δ値（下限値）= '))
N_blocks = int(input('ブロック数（１ブロック=４試行）= '))
print('初期値（大きい方）=', Start_A)
print('初期値（小さい方）=', Start_B)
print('Δ値（初期値）=', Start_delta)
print('ブロック数 =', N_blocks)
ck = input('OK? (y/n) = ')
if ck in ['y', 'Y']:
break
data = []
serA = SubSer3Cat(start_v = Start_A,
start_delta = Start_delta, min_delta = Min_delta,
cond='down', ser_id='A')
serB = SubSer3Cat(start_v = Start_B,
start_delta = Start_delta, min_delta = Min_delta,
cond='up', ser_id='B')
t = 0
for b in range(N_blocks):
np.random.shuffle(ser)
for i in range(4):
t +=
1
print('\n試行：{0:}/{1:}'.format(t,
N_blocks*4))
if
ser[i] == 'A':
serX = serA
else:
serX = serB
print('刺激値：',
serX.v)
res
= int(input("\n反応(1:小・弱, 2:不明・等しい, 3:大・強)? "))
data.append([f'{serX.ser_id}{t}', serX.v, res])
serX.next_state(res)
print('{0:>15}{1:>15}{2:>15}'.format('trial',
'stimulus', 'response'))
fout.write('{0:>15}{1:>15}{2:>15}'.format('trial',
'stimulus', 'response'))
for i, v in enumerate(data):
print('{0:>15}{1:>15}{2:>15}'.format(v[0], v[1], v[2]))
fout.write('\n{0:>15}{1:>15}{2:>15}'.format(v[0], v[1], v[2]))
plt.plot([i], [v[1]],'^' if
v[2] == 3 else 'v' if v[2] == 1 else 'o',
c = 'b' if
v[0][0] == 'A' else 'g')
plt.plot([], 's', c = 'b', label =
'Ser.A')
plt.plot([], 's', c = 'g', label =
'Ser.B')
plt.plot([], '^', c = 'k', label =
'3')
plt.plot([], 'o', c = 'k', label =
'2')
plt.plot([], 'v', c = 'k', label =
'1')
plt.title('Up-down Method')
plt.xlabel('Trial')
plt.ylabel('Comp. St.')
plt.legend()
plt.savefig('Fig' + fout_nm[:-4] +
'.png')
plt.show()
print('\nFig' + fout_nm[:-4] + '.png
was saved.')
fout.close()
print(fout_nm + '.was saved.\n')
リストA.2 ３件法提示刺激値表示プログラム（刺激値が離散値UpDownExp3CatFix.py）
import numpy as np
import matplotlib.pyplot as plt
class SubSer3CatFix():
def __init__(self,
series_v=None, start_s=None, cond=None, ser_id=None):
self.series = series_v
self.n = len(self.series)
self.s = start_s
self.cond = cond
self.ser_id = ser_id
def st_v(self):
return self.series[self.s]
def next_state(self,
response):
if
response <= 1:
self.s += 1
if self.s >= self.n:
self.s = self.n - 1
self.cond = 'up'
elif
response >= 3:
self.s -= 1
if self.s < 0:
self.s = 0
self.cond = 'down'
else:
if self.cond == 'up':
self.s += 1
if self.s >= self.n:
self.s = self.n - 1
else:
self.s -= 1
if self.s < 0:
self.s = 0
ser = ['A']*2 + ['B']*2
fout_nm = input('出力ファイル名(.txt) = ')
fout = open(fout_nm, 'w')
while True:
series = input('刺激系列（小ー＞大）= ').split()
print('入力系列 =')
print(series)
for i, v in
enumerate(series):
print(f'{i+1}: {v}')
#for v in series:
# print(v)
ck = input('OK(y/n) = ')
if ck in ['y', 'Y']:
break
N_blocks = int(input('ブロック数（１ブロック=４試行）= '))
data = []
serA = SubSer3CatFix(
series_v=[float(v) for v in series], start_s=len(series)-1, cond='down', ser_id='A')
serB = SubSer3CatFix(
series_v=[float(v) for v in series], start_s=0, cond='up', ser_id='B')
t = 0
for b in range(N_blocks):
np.random.shuffle(ser)
for i in range(4):
t +=
1
print('\n試行：{0:}/{1:}'.format(t,
N_blocks*4))
if
ser[i] == 'A':
serX = serA
else:
serX = serB
print('刺激値：',
serX.st_v())
res
= int(input("\n反応(1:小・弱, 2:不明・等しい, 3:大・強)? "))
data.append([f'{serX.ser_id}{t}', serX.st_v(), res])
serX.next_state(res)
print('{0:>15}{1:>15}{2:>15}'.format('trial',
'stimulus', 'response'))
fout.write('{0:>15}{1:>15}{2:>15}'.format('trial',
'stimulus', 'response'))
for i, v in enumerate(data):
print('{0:>15}{1:>15}{2:>15}'.format(v[0], v[1], v[2]))
fout.write('\n{0:>15}{1:>15}{2:>15}'.format(v[0], v[1], v[2]))
plt.plot([i], [v[1]],'^' if
v[2] == 3 else 'v' if v[2] == 1 else'o',
c = 'b' if v[0][0] == 'A' else 'g')
plt.plot([], 's', c = 'b', label = 'Ser.A')
plt.plot([], 's', c = 'g', label =
'Ser.B')
plt.plot([], '^', c = 'k', label =
'3')
plt.plot([], 'o', c = 'k', label =
'2')
plt.plot([], 'v', c = 'k', label =
'1')
plt.xlabel('Trial')
plt.ylabel('Comp. St.')
plt.title('Up-down Method')
plt.legend()
plt.savefig('Fig' + fout_nm[:-4] +
'.png')
plt.show()
print('\nFig' + fout_nm[:-4] + '.png
was saved.')
fout.close()
print(fout_nm + '.was saved.\n')