Estadísticas de BESA
BESA Statistics 2.1 mejora en gran medida las opciones de la versión anterior 2.0. Al igual que antes, los flujos de trabajo dedicados le permiten realizar pruebas t, ANOVA de un solo factor y análisis de correlación de sus datos utilizando las estadísticas de permutación de clústeres sin parámetros que resuelven tan elegantemente el problema de las pruebas múltiples. Se han añadido varios tipos nuevos de datos de entrada a esta línea de trabajo, con el fin de garantizar que los análisis de frecuencia temporal y los análisis de conectividad sean ahora totalmente compatibles.
Los aspectos más destacados de la última versión son
- En todos los flujos de trabajo, ahora se puede utilizar el tipo de datos Conectividad. Esto permite la importación directa de los resultados obtenidos por BESA Connectivity para las estadísticas de grupo de los resultados de conectividad en el espacio del sensor o en el espacio de la fuente.
- Para los datos de imagen, se dispone de una vista de corte configurable que muestra las secuencias en una de las tres orientaciones ortogonales disponibles.
- El tema del color puede ajustarse entre BESA White y el anterior BESA Standard.
- Hay varios mapas nuevos en color.
- Los valores de los datos se muestran al pasar el ratón por las ventanas de detalle.
- Los datos de tiempo-frecuencia almacenados por BESA Connectivity con el análisis wavelet ahora pueden ser leídos con el espacio de frecuencia correcto (logarítmico).
- Los datos de frecuencia temporal de un solo ensayo pueden leerse ahora en el flujo de trabajo de la prueba t (formato de datos *.tfcs).
- No hay un límite máximo en el número de archivos de datos importados en el flujo de trabajo.
- Existe un nuevo formato de exportación de imágenes (svg).
- Las capturas de pantalla y los resultados de los resúmenes de los clústeres pueden ahora copiarse en el portapapeles mediante el menú emergente del botón derecho del ratón.
Además, se soportan las pantallas de alta DPI, se ha mejorado la información exportada, y mucho más. Consulte el historial de actualizaciones para obtener más detalles.
BESA Statistics proporciona flujos de trabajo optimizados y guiados por el usuario para el análisis de sujetos cruzados de datos EEG / MEG. El método estadístico utilizado es la prueba de permutación sin parámetros sobre la base de las pruebas t de Student (Maris, E. y Oostenveld, R., 2007), las pruebas F (para ANOVA/ANCOVA) y las correlaciones. El programa es muy fácil de usar. Todos los análisis se calculan automáticamente con la interacción del usuario minimizada a la definición del tiempo y / o rangos de frecuencia de interés. Los valores estadísticos calculados en BESA Statistics 2.1 pueden utilizarse directamente para los informes científicos. No es necesario realizar ningún otro análisis en otros programas. Todos los resultados se visualizan y se pueden utilizar directamente para las publicaciones.
BESA Statistics 2.1 se integra de forma óptima con los datos que fueron analizados en BESA Research, pero también puede procesar datos de otros paquetes de software siempre que se ajusten al formato de archivo de BESA Statistics. El formato de datos nativo de BrainVision Analyzer 2 es compatible con los datos de tiempo y frecuencia de tiempo.
BESA Statistics identificará automáticamente los clusters en el tiempo, y si es aplicable la frecuencia y el espacio donde los datos de los grupos / condiciones de entrada no son intercambiables, es decir, donde la hipótesis nula de que todos los grupos / condiciones son iguales debe ser rechazada. Los resultados se consideran corregidos para las comparaciones múltiples, ya que sólo se identificarán los conglomerados que tengan valores de conglomerado más altos que el 95% de todos los conglomerados derivados de la permutación aleatoria de los datos. Así, los resultados obtenidos por BESA Statistics son objetivos y robustos.
Para el análisis ANOVA/ANCOVA, se calcula una prueba post-hoc no paramétrica de Scheffe para determinar qué comparación(es) por pares es(son) responsable(s) del efecto principal de grupo/condición. Posteriormente se aplica una corrección de Bonferroni-Holm para las comparaciones múltiples de las diferentes combinaciones por pares.
