ICC常用于衡量某个指标（比如，皮层厚度）在多次测量中的一致性/相似性（即信度）。在概念上，ICC等于真实的（被试间）变异除以观测的变异，观测的变异等于真实的变异加上噪声变异。比如，ICC=0.5表示真实变异和噪声变异相同。ICC越高，表明观测/测量越可靠。ICC的理论范围在0-1，一般地，ICC位于0-0.5之间表示信度差，0.5-0.75表示中等，0.75-0.9表示好，0.9-1表示极好（也存在其他分类标准）。
信度的现实意义在于，如果信度低，那么对于检测同样的效果量，需要更大的样本量
根据如何计算ICC，可以分为三个类型，即ICC(1,1), ICC(2,1)和ICC(3,1)。ICC(2,1)也表示为ICC(A,1)，ICC(3,1)也表示为ICC(C,1)。在MRI脑成像中，ICC(2,1)似乎是最常用的。ICC(2,1)和ICC(3,1)的区别在于是否考虑多次测量之间的系统性噪声，直观来说，就是ICC(2,1)对变量的均值敏感，ICC(3,1)对变量的均值不敏感。作为对比，熟知的皮尔逊相关系数对于变量的均值和方差都不敏感，只对变量之间的协方差敏感。
在具体估计方法上，常见的有ANOVA和LME（linear mixed-effects）两种。LME的好处是不会出现ICC<0的情况，以及可以处理存在缺失值/协变量的情况。
这些都是很基本的应用，你这不会期末考试怎么办……
install.packages("ggplot2")
x <- rnorm(1000, mean = 10, sd = 2) ## variance is 4 indicates that sd is 2.
画图： hist(x)
在R窗口输入 ?boxplot，会出现一个页面，鼠标拉到页面最低端，复制粘贴最后一个例子到R窗口里，会生成一个boxplot。
1) vector1 <- seq(from = 2, to = 50, by = 2)
2) vector1[20]
3) vector1[10:20]
1) mean(protein), var(protein), sd(protein), 剩下的自己查。
这道题我要手动输入数据，比较费事，给你答了1-5题还行吧。
好好学习，这些都很简单。原则上本来不该帮你答这些，但是看着手痒就花3分钟写了下。
