检测高斯随机场的稀疏锥形备择假设及其在fMRI中的应用
统计理论
2012-07-18 v1 统计方法学
统计理论
摘要
我们的问题是为高斯随机场样本中每个点的锥形备择假设的检验统计量场的最大值找到一个良好的P值近似。这些检验统计量已在神经科学文献中被提出用于分析fMRI数据，允许血流动力学响应中存在未知延迟。然而，这个三维检验统计量随机场的最大值的零分布，以及用于检测脑激活的阈值，此前尚未解决。为了找到解决方案，我们通过检验统计量随机场的游程集的期望欧拉特征来近似P值。我们的主要结果是所需的欧拉特征密度，它是利用高斯运动学公式推导出来的。
引用
@article{arxiv.1207.3840,
title = {Detecting sparse cone alternatives for Gaussian random fields, with an application to fMRI},
author = {Jonathan E. Taylor and Keith J. Worsley},
journal= {arXiv preprint arXiv:1207.3840},
year = {2012}
}