这可能在 Cross Validated 和这个站点之间走得很好，但我认为它的实际应用更多地在于信号处理方面。

我有机会为一个实验记录了一些脑电图数据，并确定了每条导联之间的均方相干性：

（我还在某些频带内执行了与事件相关的相干性计算，这给了我一个功率值，但在显着性分析中没有给我任何进一步的帮助）

我最终得到的是电极成对相互作用的值列表：

Site1-Site2 = 0.24
Site2-Site3 = 0.13
...
Site7-Site45 = 0.37

因此，挑战在于确定在这个均方相干值样本中，给定一组特定的实验条件（例如，受试者正在敲他们的脚什么的）。当然，最终在科目之间进行比较是必要的，但这将来自能够比较一个科目的结果，并且可能更多的是统计问题。

知道数据不是正态分布的，我的问题是，确定这些值是否显着的最佳方法是什么？

我熟悉可以使用的 3 种方法：

• 将高于 0.5 的所有内容视为显着。这是人们可能会在统计数据领域争论的一个问题，但即使我未经训练的眼睛，这似乎有点捏造

• 使用代理数据来构建分布——它的信号处理部分是什么，一组真实的代理数据可以使用

• 使用 Bootstrap 方法，或者基本上从数据中得出分布。我明白了这种方法的想法，但我不完全理解这是否比使用代理数据更现实，或者这是否是信号处理中的 SOP

这三种方法中的任何一种都适合这种类型的分析吗？还有另一种我错过的方法吗？

我已经有一段时间没有搜索这方面的文献了，但无论如何我都没有找到共识。您是否会对信号处理数据执行这些标准测试集？