<html>
  <head>
    
  </head>
  <body bgcolor="#FFFFFF" text="#000000">
    Thanks Mark + Jörn for the replies!<br>
    I'll have a look at the NAI. <br>
    <br>
    On 27.03.2012 15:48, "Jörn M. Horschig" wrote:
    <blockquote
      cite="mid:203022dc538e40168d5b72ded3195dcc@EXCCAHT-1.mail.uke.ads"
      type="cite">
      <meta http-equiv="Content-Type" content="text/html;
        charset=ISO-8859-1">
      <meta name="Generator" content="MS Exchange Server version
        08.03.0213.000">
      <title>Re: [FieldTrip] one-sample cluster test</title>
      <!-- Converted from text/plain format -->
      <p><font size="2">Dear Ulrich,<br>
          <br>
          <br>
          First of all, you might want to use the Neural Activity Index
          (NAI), as<br>
          also described in the tutorial:<br>
          <a moz-do-not-send="true"
href="http://fieldtrip.fcdonders.nl/tutorial/beamformer#source_analysiswithout_contrasting_condition">http://fieldtrip.fcdonders.nl/tutorial/beamformer#source_analysiswithout_contrasting_condition</a><br>
          <br>
          Then, to answer your question, I am tempted to say that this
          would be an<br>
          invalid approach when dealing with power, so in
          frequency-space. Power<br>
          obviously has a lower bound, so that the average of any random<br>
          collection of power values will never be 0. </font></p>
    </blockquote>
    <br>
    That sounds plausible for raw power data, but actually, I want to
    compare whether my power change to baseline activity is different
    from zero (maybe that wasn't evident in my first post). I think
    that's a correct approach.<br>
    <br>
    <br>
    <br>
    <blockquote
      cite="mid:203022dc538e40168d5b72ded3195dcc@EXCCAHT-1.mail.uke.ads"
      type="cite">
      <p><font size="2">Though, what you are<br>
          suggesting is the same as a regular t-test, isn't it?<br>
          In case you are dealing e.g. with am LCMV beamformer, I am not
          quite<br>
          sure, but the null-hypothesis you suggested (amplitude==0) 
          sounds fair.<br>
          <br>
          In any case, building a surrogate distribution same mean and
          variance<br>
          than your data might be a better way to deal with your
          problem. That<br>
          should be easily doable in Matlab without any need to
          implement this in<br>
          FieldTrip. And note that the MC problem is always present, but
          a<br>
          cluster-based correction (similar to Bonferroni, but
          correcting by the<br>
          number of voxels in the cluster not by the number of all
          voxels) sounds<br>
          legitimate to me. Afair, that's how it's done in FT.<br>
        </font></p>
    </blockquote>
    Are you sure? I am not aware of any correction to the alpha level
    that is done by the cluster-based correction in FT. Afaik all it
    does is look for a certain number of significant voxels that are
    close in time, freq and space.<br>
    Best, Ulrich<br>
    <br>
  </body>
</html>