<div dir="ltr">Hello everybody,<div>I'm a new Fildtrip User and I use it principally to compute crosscorrelations analysis.</div><div>I tried to find a topic in the archives of the discussion about a technique to compute significance level of the correlations performed by filedtrip but I didn't found anything.</div><div><br></div><div>My first question concern the ft_spike_xcorr function where I do not understand the case 'shiftpredictor' line 272.</div><div>Why the 'shuffling' method means to compute the cross correlation between the trial n of the neuron 1 on the trial n-1 of the neuron 2 ?</div><div>Why is it not a real shuffle ? (to keep the same 'shuffle' curve if we redo the analysis ?)</div><div><br></div><div>My second is about significance between the shuffled and real cross-correlogram.</div><div>Do you think that it is correct, instead of the lines 275 to 278 :</div><div><div>          inTrial1_old = spike.trial{indx(1)}==cfg.trials(iTrial-1);</div><div>          ts1_old      = sort(spike.time{indx(1)}(inTrial1_old(:) & inWindow1(:)));</div><div>          inTrial2_old = spike.trial{indx(2)}==cfg.trials(iTrial-1);</div><div>          ts2_old      = sort(spike.time{indx(2)}(inTrial2_old(:) & inWindow2(:)));</div></div><div><br></div><div>to perform the analysis between trials taken by chance ?</div><div><br></div><div><div>          RandTrial = 1 + (nTrials-1) * rand(1);</div><div>          RandTrial = round(RandTrial);</div><div>          </div><div>          inTrial1_shuff = spike.trial{indx(1)}==cfg.trials(RandTrial);</div><div>          ts1_Rand      = sort(spike.time{indx(1)}(inTrial1_shuff(:) & inWindow1(:)));</div><div>          inTrial2_shuff = spike.trial{indx(2)}==cfg.trials(RandTrial);</div><div>          ts2_Rand      = sort(spike.time{indx(2)}(inTrial2_shuff(:) & inWindow2(:)));</div></div><div><br></div><div>The idea is to compute that thousand times to have the possibility to get an equivalent of the p.value (as a kind of bootstrap analysis). </div><div>I join a figure of this computation where we can easily calculate p-values for each bins of the crosscorrelogram. For each bin the value of the black curve (real crosscorrelogram) will be compared to the level of chance based of the thousands of repetitions.</div><div><br></div><div>Thank you in advance for your feedbacks and your responses.</div><div><br></div><div>Best regards,</div><div>Simon Nougaret</div><div><br></div></div>

<br>
<div style="font-size:small;font-family:arial;background-color:rgb(255,255,255)">______________________________<wbr>_____________</div><div style="font-size:small;font-family:arial;background-color:rgb(255,255,255)"><span style="font-size:x-small;font-family:Arial,sans-serif;line-height:14pt">INVESTI SUL FUTURO, FAI CRESCERE L’UNIVERSITÀ:</span></div><div style="color:rgb(34,34,34);font-family:arial;background-color:rgb(255,255,255)"><p style="font-size:13px;line-height:14pt"><span style="font-family:Arial,sans-serif"><font size="1" color="#660000"><b>DONA IL 5 PER MILLE ALLA SAPIENZA</b></font></span></p><p style="color:rgb(0,0,0);line-height:14pt"><span style="font-family:Arial,sans-serif"><font size="2">CODICE FISCALE</font><font size="4"> </font><b style="font-size:large">80209930587</b></span></p></div>