я, наверное, дурак уже всё позабыл, но, может быть, вам поможет регрессионный анализ?

(Reply to this) (Thread)

Что-то мне сложновато представить, как может помочь регрессионный анализ в моей ситуации. В принципе, можно было бы попытаться описать плоскость, разделяющую центроиды облаков, а потом сравнить частоты обнаружения объектов разных облаков по ту или иную сторону плоскости. Но это эзотерично как-то...

(Reply to this) (Parent) (Thread)

мне самому сложновато. может, описать проекции на координатные плоскости и их анализировать? но это хуйня какая-то, кажется, к тому же тут лучше будет зайти с факторного анализа, а не с регрессионного (наверное)

(Reply to this) (Parent) (Thread)

Точки эти соответствуют вероятным источникам вызванной ЭЭГ-активности, регистрируемой в разных экспериментальных условиях. В принципе, они уже разделены на несколько наборов по числу условий, и задача моя состоит именно в сравнении центральных тенденций на разных этапах эксперимента.
С факторного сложновато будет наверное... Тогда уж лучше всё-таки с регресионного, кстати, за идею спасибо! Визуально у облаков вытянутая форма, можно будет при случае построить тренд в 3D, но это когда участников эксперимента пребудет, а точек станет побольше:). Я тут подгрузился ещё разной работой, так что наверное временно оставлю упрощённое решение, т.е. за основу возьму непараметрическое сравнение расположения источников относительно медиальной плоскости. Тем более что биологический смысл такого сравнения довольно очевиден.
Кстати, сама заморочка возникла, когда я на картинке заметил выраженное смещение (латерализацию) облаков на одном из этапов эксперимента. Ну и захотелось показать, что это всё-таки не мой глюк. По всему вроде не глюк:) А первоначальной задачи исследовать латерализацию источников не стояло.

(Reply to this) (Parent) (Thread)

пожалуйста. =) но мне кажется, что факторный, хоть и сложнее, но и точнее
это как раз кейс имхо

(Reply to this) (Parent) (Thread)

Факторный анализ известен мне как метод поиска произвольного числа новых признаков, обобщающих эмпирически оцененные признаки ряда объектов. Причём эта оценка даётся в по возможности в абсолютной шкале, и очень важно, чтобы результаты оценивания каждого признака были распределены нормально или хотя бы одинаково. Потому что далее следует оценка линейной (пирсоновской) корреляционной связи между ними. Затем ищутся те самые новые признаки, коих произвольное число, в наибольшей степени коррелирующие с рядом взаимно коррелирующих признаков, притом нифига не коррелирующих с оставшимися:) Ну как-то так. Причём процедур этого поиска существует чуть менее, чем дофига. Короче, я боюсь факторного анализа:) Тем более что метод следовало бы модифицировать под непараметрическую оценку корреляционной связи вместо пирсоновской.

(Reply to this) (Parent) (Thread)

ну если боитесь, то тогда регрессионный - единственный путь

(Reply to this) (Parent)

а скажите, пожалуйста, результатами исследований или сырыми данными вы можете поделиться в теории? у меня есть один знакомый математик, хочет играться с мозгом и его биофизикой в т.ч., функции строить и тому подобное.

(Reply to this) (Parent) (Thread)

безусловно могу!

(Reply to this) (Parent)

Тогда надо бы нам как-нибудь секурно связаться. Создайте бесплатное мыло, я пришлю открытый ключ.

(Reply to this) (Parent)