Eeglab Moving Average

Média móvel Este exemplo ensina como calcular a média móvel de uma série temporal no Excel. Uma média móvel é usada para suavizar irregularidades (picos e vales) para reconhecer facilmente as tendências. 1. Primeiro, vamos dar uma olhada em nossas séries temporais. 2. Na guia Dados, clique em Análise de dados. Nota: não consigo encontrar o botão Análise de dados Clique aqui para carregar o complemento Analysis ToolPak. 3. Selecione Média móvel e clique em OK. 4. Clique na caixa Intervalo de entrada e selecione o intervalo B2: M2. 5. Clique na caixa Intervalo e digite 6. 6. Clique na caixa Escala de saída e selecione a célula B3. 8. Traçar um gráfico desses valores. Explicação: porque definimos o intervalo para 6, a média móvel é a média dos 5 pontos de dados anteriores e o ponto de dados atual. Como resultado, picos e vales são alisados. O gráfico mostra uma tendência crescente. O Excel não pode calcular a média móvel para os primeiros 5 pontos de dados porque não há suficientes pontos de dados anteriores. 9. Repita os passos 2 a 8 para o intervalo 2 e o intervalo 4. Conclusão: quanto maior o intervalo, mais os picos e os vales são alisados. Quanto menor o intervalo, mais próximas as médias móveis são para os pontos reais de dados. Informações legais importantes sobre o e-mail que você enviará. Ao usar este serviço, você concorda em inserir seu endereço de e-mail real e apenas enviá-lo para pessoas que você conhece. É uma violação da lei em algumas jurisdições se identificar falsamente em um e-mail. Todas as informações fornecidas serão utilizadas pela Fidelity exclusivamente para enviar o e-mail em seu nome. A linha de assunto do e-mail que você enviará será Fidelity: seu e-mail foi enviado. Fundos mútuos e investimentos em fundos mútuos - Fidelity Investments Ao clicar em um link, será aberta uma nova janela. Negociação em movimento com médias móveis Destaque esta ferramenta simples, mas poderosa, para desbloquear uma grande quantidade de informações em seus gráficos. Fidelity Active Trader News ndash 11212016 Análise Técnica Active Trader Pro Brokerage Stocks Entre todas as ferramentas de análise técnica à sua disposiçãoDow theory. MACD. Índice de força relativa. Castiçais japoneses. E as médias morendantes são uma das mais simples de entender e usar em sua estratégia. No entanto, eles também podem ser um dos indicadores mais significativos das tendências do mercado, sendo particularmente útil em mercados de tendências ascendentes (ou descendentes) como a tendência de alta de longo prazo que experimentamos desde 2009. Heres como você pode incorporar médias móveis para potencializar sua negociação proficiência. O que é uma média móvel Um meio é simplesmente a média de um conjunto de números. Uma média móvel é uma série de (tempo) significa que é uma média móvel porque, à medida que novos preços são feitos, os dados mais antigos são descartados e os dados mais recentes o substituem. Um estoque ou outros movimentos normais de segurança financeira podem às vezes ser voláteis, girando para cima ou para baixo, o que pode tornar um pouco difícil avaliar sua direção geral. O objetivo principal das médias móveis é suavizar os dados que você está revisando para ajudar a obter um senso mais claro da tendência (veja o gráfico abaixo). Uma média móvel suaviza o preço. Fonte: Active Trader Pro, a partir de 15 de novembro de 2016. Existem alguns tipos diferentes de médias móveis que os investidores geralmente usam. Média móvel simples (SMA). Um SMA é calculado adicionando todos os dados por um período de tempo específico e dividindo o total pelo número de dias. Se o estoque XYZ fechou às 30, 31, 30, 29 e 30 nos últimos cinco dias, a média móvel simples de 5 dias seria de 30. A média móvel exponencial (EMA). Também conhecida como média móvel ponderada, uma EMA atribui maior peso aos dados mais recentes. Muitos comerciantes preferem usar EMAs para colocar mais ênfase nos desenvolvimentos mais recentes. Média móvel centralizada. Também conhecida como uma média móvel triangular, uma média móvel centrada leva em conta o preço e o tempo colocando o maior peso no meio da série. Esse é o tipo de média móvel menos comumente usado. As médias móveis podem ser implementadas em todos os tipos de gráficos de preços (ou seja, linha, barra e castiçal). Eles também são um componente importante de outros indicadores como Bollinger Bands. Configurando médias móveis Ao configurar seus gráficos, adicionar médias móveis é muito fácil. No Fidelitys Active Trader Pro. Por exemplo, simplesmente abra um gráfico e selecione os indicadores no menu principal. Procure ou navegue para as médias móveis e selecione a que você gostaria adicionado ao gráfico. Você pode escolher entre diferentes indicadores de média móvel, incluindo uma média móvel simples ou exponencial. Você também pode escolher o período de tempo para a média móvel. Uma configuração comumente usada é aplicar uma média móvel exponencial de 50 dias e uma média móvel exponencial de 200 dias para um gráfico de preços. Como as médias móveis são usadas As médias móveis com prazos diferentes podem fornecer uma variedade de informações. Uma média móvel mais longa (como uma EMA de 200 dias) pode servir como um dispositivo de suavização valioso quando você está tentando avaliar tendências de longo prazo. Uma média móvel mais curta, como uma média móvel de 50 dias, seguirá mais de perto a ação de preço e, portanto, é freqüentemente usada para avaliar padrões de curto prazo. Cada média móvel pode servir de indicador de suporte e resistência, e é freqüentemente usada como um alvo de preço de curto prazo ou nível de chave. Como exatamente as médias móveis geram sinais comerciais As médias móveis são amplamente reconhecidas por muitos comerciantes como níveis potencialmente significativos de suporte e resistência. Se o preço estiver acima de uma média móvel, ele pode servir como um nível de apoio forte, se o estoque diminuir, o preço pode ter um tempo mais difícil caindo abaixo do nível de preço médio móvel. Alternativamente, se o preço estiver abaixo de uma média móvel, ele pode servir como um nível de resistência forte, se o estoque for aumentado, o preço poderá superar a média móvel. A cruz de ouro e a cruz da morte Duas médias móveis também podem ser usadas em combinação para gerar um poderoso sinal de troca cruzada. O método de crossover envolve a compra ou venda quando uma média móvel mais curta cruza uma média móvel mais longa. Um sinal de compra é gerado quando uma média em movimento rápido cruza acima de uma média lenta. Por exemplo, a cruz dourada ocorre quando uma média móvel, como a EMA de 50 dias, cruza acima de uma média móvel de 200 dias. Esse sinal pode ser gerado em um estoque individual ou em um amplo índice de mercado, como o SP 500. Usando o gráfico do SP 500 acima, o crossover mais recente foi uma cruz de ouro em abril de 2016 (veja o gráfico acima). O SP 500 ganhou cerca de 7 desde então, a partir de meados de novembro. Alternativamente, um sinal de venda é gerado quando uma média em movimento rápido cruza abaixo de uma média lenta. Esta cruz de morte ocorreria se uma média móvel de 50 dias, por exemplo, cruzasse abaixo uma média móvel de 200 dias. A última cruz da morte ocorreu no início de 2016. O próximo sinal de cruzamento possível, uma vez que a última foi uma cruz dourada, é uma cruz da morte. Médias móveis em ação e algumas dicas finais Como regra geral, lembre-se de que as médias móveis geralmente são mais úteis quando usadas durante as tendências elevatórias ou as tendências descendentes, e geralmente são menos úteis quando usadas em mercados laterais. De um modo geral, as ações estiveram em uma tendência de alta na escalada para a maior parte do rali de sete anos, então a teoria sugere que as médias móveis podem ser ferramentas particularmente poderosas no atual ambiente de mercado. Olhando novamente para o gráfico SP 500 (acima), você pode ver que a tendência de longo prazo está em alta. Além disso, o preço está acima da média móvel de curto prazo e da média móvel de longo prazo. Se o preço diminuísse do nível atual, ambas as médias móveis seriam vistas como níveis de suporte significativos. Como mostra o gráfico, é possível que o preço permaneça acima (ou abaixo) uma média móvel por um longo período de tempo. Claro, você não gostaria de negociar apenas com base nos sinais gerados pelas médias móveis. No entanto, eles podem ser usados ​​em combinação com outros pontos de dados técnicos e fundamentais para ajudar a formar sua perspectiva. Saiba mais A análise técnica concentra-se em ações específicas do mercado, volume e preço. A análise técnica é apenas uma abordagem para analisar ações. Ao considerar quais estoques para comprar ou vender, você deve usar a abordagem com a qual você está mais confortável. Tal como acontece com todos os seus investimentos, você deve fazer sua própria determinação quanto ao fato de um investimento em qualquer título ou títulos específicos ser adequado para você com base em seus objetivos de investimento, tolerância ao risco e situação financeira. O desempenho passado não é garantia de resultados futuros. Os mercados de ações são voláteis e podem diminuir significativamente em resposta a empreendimentos adversos, políticos, regulamentares, de mercado ou econômicos. Os votos são submetidos voluntariamente por indivíduos e refletem sua própria opinião sobre a utilidade dos artigos. Um valor percentual de utilidade será exibido uma vez que um número suficiente de votos tenha sido enviado. Fidelity Brokerage Services LLC, Membro NYSE, SIPC. 900 Salem Street, Smithfield, RI 02917 Informações legais importantes sobre o e-mail que você enviará. Ao usar este serviço, você concorda em inserir seu endereço de e-mail real e apenas enviá-lo para pessoas que você conhece. É uma violação da lei em algumas jurisdições se identificar falsamente em um e-mail. Todas as informações fornecidas serão utilizadas pela Fidelity apenas com o objetivo de enviar o e-mail em seu nome. A linha de assunto do e-mail que você enviará será Fidelity: Seu e-mail foi enviado. Tutorial do IGLAB I.8 . Plotando imagens ERP O campo de análise de dados eletrofisiológicos tem sido dominado pela análise das médias de potencial de eventos 1-dimensional (ERP). A imagem ERP é uma visão relacionada, mais geral, 2-D (valores em tempos-a-época) dos dados. As imagens ERP são transformações de imagens em 2-D de dados epoched, em que as épocas de dados são ordenadas pela primeira vez em algumas dimensões relevantes (por exemplo, tempo de reação do sujeito ou fase alfa no início do estímulo, etc.), t uen (opcionalmente) alisado (cruzado Ensaios adjacentes) e, finalmente, codificados por cores e imagens. Ao contrário do ERP, que como geralmente definido existe em apenas uma forma (a média de tempo bloqueado). O número de possíveis imagens ERP de um conjunto de ensaios simples é bastante grande - os dados de teste podem ser classificados e visualizados ao longo de qualquer caminho através do espaço de testes. No entanto, nem todas as ordens de classificação fornecem informações iguais sobre a dinâmica do cérebro expressada nos dados. Cabe ao usuário decidir quais imagens do ERP estudar (por padrão, os ensaios são classificados na ordem da aparência na experiência). Também é fácil interpretar mal ou sobre-interpretar uma imagem ERP. Por exemplo, usar a classificação de fase em uma freqüência (demonstrada abaixo) pode cegar o usuário à presença de outros fenômenos oscilatórios nos mesmos dados em diferentes freqüências. Novamente, a responsabilidade é que os usuários pesem e interpretem corretamente a evidência de que uma imagem ERP 2-D dá relativa à hipótese de interesse - assim como é responsabilidade dos usuários interpretar corretamente as séries temporais ERP 1-D. I.8.1. Selecionando um canal para plotar Para traçar uma imagem de atividade ERP em um canal de dados nos ensaios únicos de nosso conjunto de dados, primeiro devemos escolher um canal para plotar. Deixe-nos, por exemplo, escolher um canal com alta potência de banda alfa (perto de 10 Hz). Anteriormente no tutorial obtivemos o gráfico de spectopo () reproduzido abaixo. A trama acima mostra que o poder da banda alfa (por exemplo, a 10 Hz) é concentrado sobre o couro cabeludo occipital central. Para encontrar quais os eletrodos estão localizados nesta região, podemos simplesmente plotar os nomes e os locais dos eletrodos, selecionando Plot gt. Localizações dos canais gt Por nome. Produzindo a figura abaixo. Na figura abaixo, vemos que o eletrodo POz é o canal no qual a potência alfa é maior. Clique no rótulo do canal POz (abaixo) para exibir seu número (27). Nota: também é possível traçar os locais dos eletrodos no gráfico espectral, inserindo eletrodos, na caixa de texto mais baixa (opções de mapa do couro cabeludo) da janela popspectopo () interativa. I.8.2. Plotando imagens ERP usando poperpimage () Agora que conhecemos o número do canal cuja atividade queremos estudar, podemos criar imagem de sua atividade em ensaios únicos sob a forma de um gráfico de imagem ERP. Selecione Plot gt Channel ERP image. Isso exibe a janela poperpimage () (abaixo). Digite o número do canal (27), um valor de suavização de teste de 1. E pressione OK. Uma imagem ERP é uma imagem colorida retangular em que toda linha horizontal representa atividade que ocorre em um único teste experimental (ou uma média móvel vertical de ensaios individuais adjacentes). A figura abaixo (não uma imagem ERP) explica o processo de construção de gráficos ERP. Em vez de traçar a atividade em ensaios únicos, como traços de esquerda para a direita, em que o potencial é codificado pela altura do rastreamento, codificamos os valores em linhas retas da esquerda para a direita, o valor de cor em mudança que indica o valor potencial Em cada ponto do tempo no julgamento. Por exemplo, na seguinte imagem, três épocas diferentes de teste único (traços azuis) seriam codificadas como três linhas coloridas diferentes (abaixo). Ao empilhar umas as outras as linhas de seqüência de cores para todos os testes em um conjunto de dados, produzimos uma imagem ERP. Na figura padrão de saída erpimage (), o rastreamento abaixo da imagem ERP mostra a média da atividade de teste único, ou seja, a média ERP das épocas de dados em imagens. O gráfico principal (superior esquerdo) que contém um ponto vermelho indica a posição do canal selecionado na montagem. (Nota: Ambos os recursos de traçado (assim como vários outros) podem ser desativados na janela pop-up poperpimage () (acima). Veja as tabelas de seleção do ERP e do mapa do couro cabelere do enredo. Uma vez que a atividade em ensaios únicos contém muitas variações, pode ser útil suavizar a atividade (verticalmente) em ensaios utilizando uma média móvel (boxcar). Novamente, acesse a janela interativa poperpimage () e defina a largura de suavização para 10 em vez de 1 (observe que os parâmetros da última chamada são lembrados. Se você tiver algum problema com esse recurso, digite gtgt h (0) na linha de comando Matlab para Limpe o histórico). Agora (veja abaixo) é mais fácil ver as oscilações da alfa-banda dominante em ensaios únicos. Ao traçar um grande número de testes, não é necessário traçar cada teste (suavizado) como uma linha horizontal. (A tela e a resolução da impressora podem ser insuficientes para exibi-los todos). Para reduzir o atraso da imagem (e para diminuir o tamanho do arquivo do lote salvo), pode-se dizimar algumas das linhas de imagem ERP (suavizadas). A introdução de 4 na caixa Downsampling da janela poperpimage () dizia (reduziria) o número de linhas na imagem ERP por um fator de 4. Se a largura de Suavização for maior do que 24 8. Nenhuma informação será perdida da imagem (suavizada). Nota: Para a imagem do nosso conjunto de dados de amostra, não é necessário dizimar, já que temos relativamente poucos (80) ensaios. I.8.3. Triagem de ensaios em imagens ERP Nos números da imagem ERP acima, os ensaios foram analisados ​​na ordem (de baixo para o topo) de sua ocorrência durante o experimento. Também é possível classificá-los em ordem de qualquer outra variável codificada como um campo de evento pertencente a cada teste no conjunto de dados. Abaixo, demonstramos a classificação dos mesmos ensaios em ordem de tempo de resposta latência do evento (tempo de reação). Na janela poperpimage () novamente, primeiro pressione o botão Classificar campo. E selecione latência. Em seguida, pressione o botão Tipo de evento e selecione rt como mostrado abaixo. Na imagem ERP que se segue, os ensaios serão ordenados pela latência dos eventos rt (nossos dados amostrais têm um evento rt por época (se não fosse o caso, erpimage () teria apenas épocas plotadas com eventos rt.) Digite Plotting Limites de tempo de -200 800 ms para traçar a atividade imediatamente após os estímulos. Nota: Nesta e em algumas outras janelas pop interativas, segurando o cursor do mouse sobre o rótulo acima de uma caixa de entrada de texto por alguns segundos, exibe um comentário explicativo. Agora, a figura erpimage () abaixo aparece. Em geral, o usuário pode classificar em qualquer valor do campo do evento. Por exemplo, recorde a janela poperpimage (), pressione o botão Classificar campo e selecione a posição em vez da latência. Remova rt do Caixa de tipo de evento. Finalmente, digite sim na caixa de escala de ressalto. Pressione OK. No gráfico erpimage () resultante, os testes são classificados por posição de estímulo (1 ou 2, valores normalizados automaticamente para se ajustarem ao espaço pós-estímulo para exibição). A largura de suavização (10) é aplicada tanto para Dados de teste único e a variável de classificação. Isso explica a linha oblíqua conectando as regiões variáveis ​​de classificação baixa (1) e alta (2). Nota: também é possível inserir uma expressão Matlab para normalizar explicitamente a variável de classificação (veja a ajuda do erpimage ()). Agora, selecione novamente a latência dos eventos rt como a variável de triagem de teste (pressione o botão do campo de classificação para selecionar latência e pressione o botão Tipo de evento para selecionar rt). Digite não em Rescale (caso contrário, os tempos de reação serão normalizados automaticamente). A caixa de entrada da janela Tempo permite que você selecione um subconjunto de eventos em um intervalo de tempo determinado. Aqui, insira 0 350 para selecionar latências de eventos (rt. No nosso caso) apenas entre 0 e 350 ms. Use a entrada Alinhar para re-alinhar os dados de avaliação única na variável de classificação e os limites de tempo de mudança. O valor de latência dado em Align será usado como o tempo 0. Para selecionar a mediana dos valores de triagem de teste (aqui, tempo de reação mediano) como o novo tempo 0, entrada Inf. O símbolo Matlab para o infinito nesta caixa (como abaixo). Nota: O realinhamento temporal das épocas de dados, relativo um ao outro, resultará na falta de dados nos cantos inferior esquerdo e superior direito da imagem ERP. A função ERP-image mostra estes como verde (0) e retorna esses valores como NaNs (Matlab not-a-number). A figura da imagem ERP (abaixo) será criada. Aqui, a linha vertical reta no momento 0 indica o momento da resposta do sujeito e a linha vertical curva, o tempo em que o estímulo foi apresentado em cada teste. Compare essa figura com a imagem ERP anterior não alinhada anterior, (próxima a última figura acima). I.8.4. Plotando imagens ERP com opções espectrales Em seguida, vamos experimentar experimentos de triagem pelo seu valor de fase EEG em uma janela de tempo-frequência especificada. Embora os valores de rt possam ser mostrados em figuras de imagem ERP triadas em fase, as omitiremos por simplicidade. Para fazer isso, volte para a janela poperpimage () do menu. Limpe o conteúdo do campo de classificação. Tipo de evento e Alinhar entradas. Então, nos ensaios Tri por fase, insira 10 (Hz) em Frequência e 0 (ms) em Tempo Central. Entre -200 800 ao lado de Limites de tempo (ms) para ampliar o período próximo ao início do estímulo. Em seguida, obtemos a figura da imagem ERP abaixo. Observe apenas antes do estímulo iniciar a listra oblíqua vermelha: isso é devido à classificação de fases: a fase (ou seja, a latência do pico da onda) varia de forma contínua em todos os ensaios recorridos. Nesta computação, uma onda de 10 Hz de 3 ciclos foi aplicada a uma janela em cada tentativa centrada no tempo 0. A largura da wavelet foi de 300 ms (ou seja, três ciclos de 10 Hz de 100 ms). Portanto, ele se estendeu de -150 ms para 150 ms. Depois que a onda foi aplicada a cada teste, a função ordenou os ensaios em ordem dos valores de fase (-pi a pi) e exibiu uma imagem ERP dos testes nesta ordem (de baixo para cima). O domínio da atividade de cerca de 10 Hz nos ensaios. Juntamente com o alisamento de 10 julgamentos que aplicamos faz com que a coerência de fase entre ensaios adjacentes seja óbvia nesta visão. Note-se que poderíamos ter aplicado a triagem de fase de ensaios usando qualquer janela de freqüência de tempo. Os resultados dependerão da força da freqüência selecionada nos dados, particularmente em seu grau de impulso (ou seja, os dados exibem estouros longos a essa freqüência) e seus eventos de fase (ou não) para eventos experimentais. As imagens ERP triadas em fase usando diferentes janelas de tempo e freqüência representam caminhos diferentes para voar através de dados EEG complexos (de um único canal). Para ver a classificação de fases com mais clareza, mantenha as mesmas configurações, mas desta vez entre 50 sob testes para ignorar. Aqui, os 50 dos ensaios com menor potência de 10 Hz (alfa) na janela de tempo selecionada serão rejeitados apenas (40) outros (maiores alfa 50) serão imaginados. Aqui (abaixo), podemos ver melhor como a onda alfa parece ressincronizar após o estímulo. Antes do tempo 0, a fase alfa é mais ou menos aleatória (uniformemente distribuída) e há pouca atividade no ERP médio. Em cerca de 200 ms, a atividade alfa parece (parcialmente) sincronizar com o estímulo e aparece um ERP N300 e P400. Nossa interpretação (acima) desses ensaios como representando a sincronização de fase não precisa ser baseada apenas na impressão visual. Para avaliar estatisticamente se a atividade alfa é ressincronizada parcialmente (por exemplo, é parcialmente reajustada em fase) pelos estímulos, precisamos plotar a coerência de fase (ou fator de bloqueio de fase) entre a seqüência de estímulo e os dados de pós-estímulo. Esta medida, a Coerência Inter-Trial (ITC) em nossa terminologia, tem valores entre 0 e 1. Um valor de 1 para a janela de freqüência de tempo de interesse indica que a fase alfa (nesta janela de latência) é constante em cada teste. Um valor de 0 ocorre quando os valores de fase em todos os ensaios são uniformemente distribuídos em torno do círculo da unidade. Na prática, valores esperados para qualquer número finito de ensaios distribuídos aleatoriamente em fase são esperados um pouco acima de 0. Para traçar o ITC em nossa figura de imagem ERP, escolhemos inserir os seguintes parâmetros na janela poperpimage (): omitimos o de Trials ignorar valor e inserir 9 11 em classificação de fase e 9 11 em Freq de Coher. . Observe que essas duas entradas devem ser iguais (a janela realmente impede o usuário de inserir valores diferentes). A entrada de uma faixa de frequência em vez de uma frequência (por exemplo, 10 como antes) diz a erpimage () para encontrar a frequência de dados com potência máxima nos dados de entrada (aqui entre 9 e 11 Hz). Finalmente, insira 0.01 em Signif. Nível e pressione OK. Dois painéis de plotagem adicionais aparecem abaixo do painel ERP. O painel do meio mostra mudanças significativas no poder em todas as épocas em dB. As linhas vermelhas indicam 1 limite de confiança de acordo com dados de substituição desenhados a partir de janelas aleatórias na linha de base. Aqui, o poder na freqüência selecionada (10,13 Hz) não mostra variações significativas ao longo da época. O número 25,93 dB na linha de base deste painel indica o nível absoluto de potência da linha de base. Nota: Para comparar resultados, às vezes é útil configurar este valor manualmente na janela principal do ERP. O painel inferior do gráfico mostra a Coerência Inter-Trial relacionada ao evento (ITC), que indexa o grau de sincronização de fase dos ensaios em relação à apresentação do estímulo. O valor 10,13 Hz aqui indica a frequência de análise selecionada. A sincronização de fase torna-se mais forte do que o limite de significância específico de p0.01 em cerca de 300 ms. Nota: O nível de significância do ITC é tipicamente menor quando se baseia em mais testes. Além disso, o ITC geralmente não está relacionado às mudanças de energia. O ERP aqui surge através da sincronização de fase parcial ou reinicia o início do estímulo após um caso puro de sincronização de fase (parcial): o poder EEG (nas freqüências relevantes) permanece constante no intervalo pós-estímulo. O valor ITC é significativo durante o ERP, mas menor que 1 (bloqueio de fase completo). No nosso caso, a figura (acima) mostra um aumento significativo pós-estímulo no ITC alfa acompanhado por um pequeno aumento (embora não significativo) na potência alfa. Em geral, um ERP pode surgir da sincronização parcial de fase da atividade em andamento combinada com um aumento (ou diminuição) relacionado ao estímulo no poder de EEG. É importante não sobreinterpretar os resultados da triagem de fase em gráficos de imagem ERP. Por exemplo, as seguintes chamadas da linha de comando Matlab simulam as épocas de dados do 256 1 usando o ruído branco gaussiano, o filtro passa abaixo o seguinte (simulado) 12 Hz e desenha o seguinte quadro de imagem ERP ordenada por fase de 10 Hz dos dados resultantes. A figura parece identificar atividade temporariamente coerente de 10 Hz no ruído (real). O painel de amplitude (médio) abaixo da imagem ERP mostra, no entanto, que a amplitude em (simulado) 10 Hz não muda significativamente através das épocas (simuladas), e o painel mais baixo mostra que a coerência entre julgamentos também não é significativa (conforme confirmado Visualmente pelas frentes de onda diagonais diretas de 10 Hz no centro da imagem ERP). Simule 256 épocas de 1 s com ruído gaussiano a uma taxa de amostragem de 256 Hz. Lowpass lt 12 gtgt dados eegfilt (randn (1,256256), 256,0,15) Plot imagem ERP, ordenada por fase em 10 Hz gtgt erpimage (dados, Zeros (1.256), 1: 256, ruído trifásico, 1,1. Phasesort, 128 0 10, srate, 256. Coherente, 10 10 .01, erp, caxis, 0.9) Tomando épocas de ruído branco (como acima) E adicionar um transiente de forma ERP estritamente bloqueado no tempo para cada teste dará um gráfico de imagem ERP trifásico que mostra uma assinatura de frente de onda sigmoidal e não diagonal. Como podemos diferenciar entre as duas interpretações dos mesmos dados (EEG aleatório mais ERP versus EEG de restituição de fase parcial) Para dados de um canal simulado, não há como fazê-lo, uma vez que ambos são formas igualmente válidas de olhar para o mesmo ( Simulado) - não importa como foi criado. Afinal, os próprios dados simulados não mantêm a impressão de como eles foram criados - mesmo que essa impressão permaneça na mente do experimentador. Para dados reais, devemos usar evidências convergentes para prejudicar nossa interpretação para um ou outro (ou Ambos) interpretações. O modelo de reposição de fase parcial começa com o conceito de que as fontes físicas do EEG (campos locais sincronizados parciais) também podem ser as fontes ou contribuintes para recursos de ERP médios. Essa suposição pode ser fortalecida ou enfraquecida pelo exame das distribuições do couro cabeludo espacial das características do ERP e da atividade de EEG. No entanto, aqui novamente, um teste simples pode não ser suficiente, pois muitas fontes corticais são susceptíveis de contribuir com EEG e ERPs médias gravados em um único eletrodo (par). Um recurso ERP pode resultar da reposição parcial de fase de apenas uma das fontes de EEG, ou pode ter muitas contribuições, incluindo verdadeiras viagens de ERP com latência e polaridade fixas em todos os ensaios, excursões monopolares semelhantes a ERP cuja latência varia de acordo com os ensaios, ou parcial Reinicialização de fase de muitos processos EEG. É necessária uma modelagem espaciotemporal detalhada da coleta de dados de teste único para distribuir essas possibilidades. Para uma discussão adicional sobre a questão no contexto de um conjunto de dados reais, veja Makeig et al. (2002). Nesse artigo, a reposição de fase nas frequências alfa e theta foi indicada como a causa predominante do ERP registrado (pelo menos no local de couro cabeludo indicado, POz). Como o ERP na figura acima difere The Makeig et al. Papel tratado com estímulos não-alvo, enquanto que para o conjunto de dados de EEGLAB de amostra usamos o tempo de época bloqueado para estimular os estímulos de um assunto (mesma experiência). A sincronização de fase pode ser diferente para os dois tipos de estímulos. Além disso, a análise no trabalho foi realizada em 15 assuntos e milhares de ensaios, enquanto que aqui analisamos apenas 80 tentativas de um assunto. (Os dados de exemplo que mostramos aqui são usados ​​para fins de tutorial. Agora estamos preparando um relatório completo sobre as respostas de destino nessas experiências.) Nota: No total, existem cinco métodos de classificação de teste disponíveis no erpimage (). Classificar pela variável de classificação (padrão) - Classifica os ensaios de dados de entrada (épocas) pelo classvar, variando a variável (por exemplo, RT) para cada época dos dados de entrada. Ordenar por valor (valsort) - Aqui, os ensaios são ordenados por ordem de seu valor médio em uma determinada janela de tempo. Use esta opção para classificar por tamanho ERP (opção ainda não disponível na janela interativa).Sort by amplitude (ampsort) - Os ensaios são classificados em ordem de amplitude espectral ou potência em uma janela de freqüência e tempo especificada. Use esta opção para exibir, por exemplo, as respostas do P300 ordenadas por amplitude alfa (opção ainda não disponível na janela interativa).Sort by phase (phaseort) - Os ensaios são classificados em ordem da fase espectral em uma janela de freqüência de tempo especificada. Não. Classificar (nosort) - exibir ensaios de entrada na mesma ordem em que são inseridos. I.8.5. Traçar amplitude espectral em ensaios únicos e opções adicionais Existem várias outras opções de erpimage () que vamos ilustrar brevemente no exemplo a seguir. A entrada do plotamp na janela poperpimage () nos permite amplificar a imagem do sinal (na frequência do interesse) nos ensaios individuais, em vez dos próprios sinais em bruto. Marque esta caixa. A entrada de limites de limites do espectro adiciona um pequeno gráfico de espectro de potência no canto superior direito da figura. Digite 2 50 para especificar os limites de frequência para este gráfico. Altere a caixa do campo de classificação de volta para latência e tipo de evento de volta para rt. Em seguida, insira 500 em Mark times para plotar uma marca vertical em 500 ms (aqui apenas para fins ilustrativos). Finalmente entre -500 1500 sob limites de tempo para ampliar uma janela de tempo específica e -3 3 em limites de amplitude (dB). A figura erpimage () abaixo aparece. No próximo tutorial, mostramos como usar EEGLAB para executar e avaliar a decomposição ICA de conjuntos de dados EEG.