Estoy a punto de aplicar la regresión. Como estoy analizando por mi cuenta, y tengo casi cero conocimientos prácticos de estadística, dudo mucho de mí mismo (además, los resultados que he obtenido hasta ahora parecen "raros"), por lo que sería estupendo que me dedicarais tiempo a validar si lo que estoy haciendo tiene sentido.
He registrado la actividad EEG humana (señal EEG) a través de una guía de electrodos 50x50 mientras se realizaban 3 tareas de fuerza diferentes y separadas (fuerza registrada por sensores de fuerza). Ahora quiero comprobar si es posible predecir la fuerza ejercida para todas las tareas a partir de la señal, utilizando la regresión lineal, es decir, mi variable de predicción es la característica de la señal y mi variable de respuesta es la fuerza. El objetivo del análisis es la predicción para el control de dispositivos robóticos.
Empecé calculando la RMS en una ventana de 100 ms, centrada alrededor del pico de actividad detectado en la señal; calculé la RMS para todos los picos detectados en todos los electrodos, de modo que como resultado obtuve una matriz de 50xn (donde n es el número de picos detectados) valores RMS. Ahora, quiero utilizar este RMS como una característica para mi regresión.
Estoy utilizando Matlab como software. Con eso, he leído que si sólo quiero ver la línea simple (ajuste) de regresión, debo utilizar scatterplot - así que hago eso. Mis entradas para el scatterplot(x,y) son dos vectores: x es mi variable independiente - vector concatenado con todos los valores RMS de todos los electrodos, e y es una variable dependiente - es decir, vector de fuerza. Durante una tarea, obtengo el registro de fuerza para todas las 3 fuerzas posibles, pero estoy interesado en sólo una - por lo tanto como mi y utilizo el registro de fuerza interpolado sólo de la fila 1 de mi matriz de 3 filas de fuerzas registradas durante una tarea. ¿Es correcto? Los resultados son un poco extraños, es decir, obtengo dos conglomerados y no entiendo muy bien por qué: 
He leído que en casos similares algunos investigadores utilizaban simplemente un vector de 0s y 1s como vector de fuerza, es decir, concatenaban las 3 filas de fuerza obtenidas de la grabación de una tarea, y en lugar de valores reales, introducían 1s para la "fuerza" del grado de libertad que se suponía que estaba activo durante esta tarea, y 0s para los otros grados de libertad. Si intento hacerlo, mi gráfico no tiene ningún sentido.
Además, intenté obtener un modelo de regresión lineal para mis datos, así que utilicé una función fitlm en Matlab: mdl = fitlm(X,y) que devuelve un modelo lineal de las respuestas y, ajustado a la matriz de datos X. Como mi X introduje la matriz nx50 de mi RMS que describí antes (sólo estas dimensiones funcionarían con la entrada; ¿debería cambiarlo?), y como mi y - un vector de 1 grado de libertad activado-registro de fuerza, interpolado linealmente a la longitud de n; en este caso, n=807. El gráfico del modelo es similar al gráfico de dispersión, y no estoy muy seguro de cómo interpretar los resultados que obtengo:
mdl =
Linear regression model:
y ~ [Linear formula with 51 terms in 50 predictors]
Estimated Coefficients:
Estimate SE tStat pValue
___________ __________ _________ __________
(Intercept) 2.0358 0.40881 4.9798 7.9229e-07
x1 0.0002986 0.0018282 0.16333 0.8703
x2 0.0011608 0.0018329 0.63332 0.52672
x3 -0.0006957 0.0014842 -0.46872 0.63941
x4 0.0005773 0.0019618 0.29428 0.76863
x5 -0.0014016 0.0016736 -0.83748 0.40259
x6 0.0008415 0.0021559 0.39032 0.69641
x7 0.0023311 0.0021785 1.07 0.28495
x8 -0.0010117 0.0014618 -0.69211 0.48909
x9 -0.0013399 0.0018555 -0.72216 0.47042
x10 0.00037971 0.0015525 0.24458 0.80685
x11 -0.0011698 0.0021935 -0.53333 0.59396
x12 0.00090134 0.002039 0.44204 0.65859
x13 0.0007281 0.0019253 0.37817 0.70541
x14 -0.00176 0.0023688 -0.74302 0.45771
x15 -0.0001714 0.00015333 -1.1178 0.264
x16 -0.00081656 0.0021379 -0.38194 0.70261
x17 0.00028961 0.0022877 0.12659 0.8993
x18 0.00034583 0.0025499 0.13563 0.89215
x19 0.00096935 0.0027414 0.35359 0.72374
x20 -0.0014632 0.0023052 -0.63474 0.5258
x21 -0.00011716 0.0020946 -0.055934 0.95541
x22 -4.3298e-05 0.0015385 -0.028142 0.97756
x23 0 0 NaN NaN
x24 0.00087342 0.0017931 0.4871 0.62633
x25 -0.00016198 0.0017182 -0.094271 0.92492
x26 0.001866 0.0028545 0.65372 0.5135
x27 -0.0041428 0.0030668 -1.3509 0.17715
x28 0.0040645 0.0026273 1.547 0.12228
x29 -0.00034988 0.0015693 -0.22296 0.82363
x30 0.0013504 0.0017023 0.79331 0.42785
x31 -0.0025312 0.001922 -1.3169 0.18827
x32 0.00028483 0.003016 0.094437 0.92479
x33 0.00022888 0.0035227 0.064971 0.94821
x34 0.0027619 0.0035508 0.77781 0.43693
x35 0.00011421 0.0020253 0.056392 0.95504
x36 -0.0025744 0.0029528 -0.87185 0.38357
x37 0.00061687 0.0032126 0.19201 0.84778
x38 -0.00046412 0.0031713 -0.14635 0.88368
x39 0.0011324 0.0034385 0.32933 0.742
x40 0.0026773 0.0033099 0.80887 0.41885
x41 -0.002997 0.0034798 -0.86124 0.38938
x42 6.2557e-05 0.0019034 0.032866 0.97379
x43 -3.9703e-05 0.0023244 -0.017081 0.98638
x44 0.00052333 0.0027785 0.18835 0.85065
x45 0 0 NaN NaN
x46 -0.00076091 0.002463 -0.30894 0.75745
x47 -0.0024118 0.003266 -0.73847 0.46046
x48 0 0 NaN NaN
x49 -0.0011203 0.0027911 -0.40137 0.68826
x50 0.00048973 0.00171 0.28639 0.77466
Number of observations: 807, Error degrees of freedom: 745
Root Mean Squared Error: 0.649
R-squared: 0.0508, Adjusted R-Squared -0.027
F-statistic vs. constant model: 0.653, p-value = 0.981¿Tiene sentido el elevado número de interceptaciones? ¿Debería trazar las cosas de otra manera? ¿Qué opinas de los dos grupos extraños que he obtenido? ¿Estoy entendiendo mal las cosas? 
Gracias de antemano por vuestra ayuda, como veis estoy bastante confuso con algo sencillo.
