参照: 1つのサンプルtテストコントラストが対スクランブルの面に計算されました。効果を十分に認めるためには、生データを見る前にコントラストの違いを確認する必要があります。

ベイジアンの自信の間隔を使用するので、差が0でないと直接H1 i.eをテストします。これは、差が0の場合、nullをテストする1サンプルt-testとは異なります(そして重要な効果は、これが0である仮説を拒否すべきであることをあなたに伝えます - まだそれを証明しません!)。

1stレベルパラメータのトリムされた手段

私たちは、私たちが前にしたように、第1レベルのコントラスト(t-testがトリムされた手段にあるため)のトリムされた平均を計算し始めます(図30のための) ERP,スペクトラムそして、 ERSP)、従ってt/pの価値地図を反映する。

図30. TM ERP
図30.TMスペクトラム

Yr       = load('Yr.mat'); % this is the 1st level beta parameters 
chanlocs = [STUDY.filepath filesep 'limo_gp_level_chanlocs.mat'];
mkdir('average_betas'); cd('average_betas');
limo_central_tendency_and_ci(Yr.Yr, 'Trimmed mean',[],fullfile(pwd,'average.mat')); % could also use the text file as input
limo_add_plots('channel',49,fullfile(fileparts(pwd),'LIMO.mat'),...
    {fullfile(pwd,'average_Trimmed_mean.mat')}); title('Average at channel 49')
saveas(gcf, 'Average.fig'); close(gcf); cd ..

図30. TM ERSP

Yr       = load('Yr.mat'); % this is the 1st level beta parameters 
chanlocs = [STUDY.filepath filesep 'limo_gp_level_chanlocs.mat'];
mkdir('average_betas'); cd('average_betas');
limo_central_tendency_and_ci(Yr.Yr, 'Trimmed mean',[],fullfile(pwd,'average.mat'))
limo_add_plots('channel',49,'restrict','time','dimvalue',5,fullfile(fileparts(pwd),'LIMO.mat'),...
    {fullfile(pwd,'average_Trimmed_mean.mat')}); title('Average at channel 49')
saveas(gcf, 'Average5Hz.fig'); close(gcf); 
limo_add_plots('channel',49,'restrict','frequency','dimvalue',180,fullfile(fileparts(pwd),'LIMO.mat'),...
    {fullfile(pwd,'average_Trimmed_mean.mat')}); title('Average at channel 49')
saveas(gcf, 'Average180ms.fig'); close(gcf);

図30. コントラストのトリムされた平均が直面する>scrambled

生データのTrimmed平均差

データを見るために、我々はすべての有名なと非familiar面の(プール条件[1 2 3 7 8 9])とスクランブルフェース(プール条件[4 5 6])のために別々にし、被写体全体にトリムされた平均を使用することができます(数字 26)。各平均を視覚化する代わりに、Makeと差分をプロットすることができます*、計算平均時に保存された単一件名のデータ*を使用して(2つのファイルはCIと単一の件名で平均を保存し、ここで使用するものです)。これをプロットすると、自信の間隔(図31)と直接の違いを見ることができます。 ERP,スペクトラムそして、 ERSP)。保存されたファイルは、プロットの中央傾向と違いを使用して、再び見られるようにすることができます。

図31. TMD ERP
図31. TMDスペクトラム

% weighted mean for faces and scramble, followed by the difference
mkdir('Avg_data'); cd('Avg_data');
limo_central_tendency_and_ci(LIMOfiles, [1 2 3 7 8 9], chanlocs, 'Weighted mean', 'Mean', [],fullfile(pwd,'faces.mat'))  
limo_central_tendency_and_ci(LIMOfiles, [4 5 6], chanlocs, 'Weighted mean', 'Mean', [],fullfile(pwd,'scrambled.mat'))  
limo_plot_difference('faces_single_subjects_Weighted mean.mat','scrambled_single_subjects_Weighted mean',...
    'type','paired','name','faces_vs_scrambled','channel',49); % default 20% trimmed mean
saveas(gcf, 'Difference.fig'); close(gcf)

図31. TMD ERSP

mkdir('ERSPs'); cd('ERSPs');
limo_central_tendency_and_ci(LIMOfiles, [1 2 3 7 8 9], chanlocs, 'Weighted mean', 'Mean', [],fullfile(pwd,'faces.mat'))  
limo_central_tendency_and_ci(LIMOfiles, [4 5 6], chanlocs, 'Weighted mean', 'Mean', [],fullfile(pwd,'scrambled.mat'))  
limo_plot_difference('faces_single_subjects_Weighted mean.mat','scrambled_single_subjects_Weighted mean',...
    'type','paired','name','faces_vs_scrambled','channel',49,'restrict','frequency'); % default 20% trimmed mean
saveas(gcf, 'DifferenceFreq.fig'); close(gcf)
limo_add_plots('channel',49,'restrict','time','dimvalue',[5 10 15],fullfile(fileparts(pwd),'LIMO.mat'),...
    {fullfile(pwd,'faces_vs_scrambled.mat')}); % let's do channel 49 at 3 Frequencies
title('Average differences faces vs scrambled at 5-10-15Hz channel 49'); 
saveas(gcf, 'Difference5-10-15Hz.fig'); close(gcf)

Figure 31. 顔とスクランブルの顔のための重みのある手段のトリムされた手段, そして、そのトリムされた平均の違い.