GLM et tests statistiques illustrés

Cette séance de cours couvre le modèle linéaire général (GLM) et les essais statistiques dans le contexte des signaux neuraux et du traitement des signaux. Il explique le modèle théorique, les contrastes, les hypothèses Gauss-Markov, les modèles ajustés, les comparaisons multiples utilisant Bonferroni, le champ aléatoire gaussien, le taux de fausses découvertes (FDR) et l'analyse de la taille des grappes. L'instructeur discute également de l'importance des tests F, de l'analyse de la région d'intérêt, de l'inférence statistique et de l'analyse de groupe. De plus, il se transforme en connectivité fonctionnelle, en IRMf à l'état de repos, en méthodes multivariées comme l'analyse des composantes principales (APC) et la corrélation partielle des moindres carrés, et en l'analyse des modèles de variance (ANOVA).