[论文解读] The projected isotropic normal distribution with applications in neuroscience

Kanti V. Mardia, Antonio Mauricio F. L. Miranda de Sa'|arXiv (Cornell University)|Mar 4, 2026

Bayesian Methods and Mixture Models被引用 0

一句话总结

本论文为脑电相位分析引入投影各向同性正态（PIN）分布，推导其性质，给出 von Mises 近似与推断方法，并展示在闪光刺激 EEG 数据中的应用。

ABSTRACT

This paper is motivated by a cutting-edge application in neuroscience: the analysis of electroencephalogram (EEG) signals recorded under flash stimulation. Under commonly used signal-processing assumptions, only the phase angle of the EEG is required for the analysis of such applications. We demonstrate that these assumptions imply that the phase has a projected isotropic normal distribution. We revisit this distribution and derive several new properties, including closed-form expressions for its trigonometric moments. We then examine the distribution of the mean resultant and its square -- a statistic of central importance in phase-based EEG studies. The distribution of the resultant is analytically intricate; to make it practically useful, we develop two approximations based on the well-known resultant distribution for the von Mises distribution. We then study inference problems for this projected isotropic normal distribution. The method is illustrated with an application to EEG data from flash-stimulation experiments.

研究动机与目标

• 在 Fourier 模型下，将相位作为关键量，推动前沿的 EEG 分析问题的动机。
• 定义并刻画相位角的投影各向同性正态（PIN）分布。
• 为基于 PIN 的统计量（如均值向量及 CS M）开发可处理的近似与推断程序。
• 在 PIN 下提供估计、假设检验和置信区间，并给出 EEG 应用。

提出的方法

• 从双变量各向同性正态模型与投影中推导 PIN 的概率密度 f(θ; μ, γ) 。
• 获得总体三角函数矩和用修正贝塞尔函数的矩的闭式表达。
• 通过两种方式将 PIN 近似为 von Mises 分布：标准矩匹配（近似 1）和得分匹配方法（近似 2）。
• 分析平均向量 R 的分布及分量同步性度量（CSM = R^2/n^2）的分布。
• 探索参数估计（最大似然估计及近似），并在 PIN 下开展假设检验与置信区间的构建。
• 用闪光刺激实验的 EEG 数据来说明该方法。

实验结果

研究问题

• RQ1 PIN 对 EEG 相角的形式与性质是什么？
• RQ2 如何将 PIN 近似为 von Mises 分布以便于实际推断？
• RQ3 在 PIN 下均值向量/CSM 的抽样分布如何，如何进行假设检验与置信区间构建？
• RQ4 在现实样本量下，PIN 参数的估计策略（MLE 与近似）有多有效？
• RQ5 这些基于 PIN 的方法如何应用于在闪光刺激下采集的 EEG 数据？

主要发现

• PIN 的 pdf f(θ; μ, γ) 具有闭式表示，包含一个指数项和一个正态分布 CDF 项（方程 2.3）。
• 推导出总体三角函数矩，包括用修正贝塞尔函数表示的 E(cos pθ)（定理 2）。
• 为 PIN 提出两种 von Mises 近似，近似 1 将 E(cos θ) 匹配，近似 2 使用得分匹配关系；大/小 κ/γ 的行为一致性（3.7–3.15）。
• 通过基于 von Mises 的近似对 CSM（ρ^2）分布进行近似，在小、中、大 γ 下均具良好准确性，仿真结果支持近似 1 在样本量较大时的优良表现。
• 在仿真中，PIN 参数的 MLE 存在且唯一；近似（近似 1 和近似 2）在不同信噪比和样本量（n=10、100、1000）下对估计 ρ^2 的表现良好。
• 一个带闪光刺激的 EEG 应用演示了基于 PIN 的相位分析在相位同步性指标中的实际用途。