В третьем варианте экспериментальной модели наблюдали схожую картину, но реакции отмечали не у близкородственных особей (этот фактор не учитывали при отборе животных), а у тех особей, которые попарно обучались инструментальному навыку в челночных камерах. Для выявления реакций использовали алгоритм статистического анализа, разработанный А.Б. Салтыковым. Конечный результат использования алгоритма в виде биномиального критерия хи-квадрат был свободен от распределения и независим от исходных параметров, что позволяло выявлять любые, сколь угодно зашумленные реакции в любых аналоговых сигналах. При этом превышение величины биноминального критерия над заданным уровнем значимости (для альфа <О.01) расценивали как наличие искомой реакции независимо от ее визуального проявления.

Разработка специального статистического алгоритма потребовалась потому, что использование общепринятых способов выделения сигнала из шума в условиях, когда неизвестны ни характеристики шума, ни особенности сигнала (все регистрируемые физиологические процессы являются сложными случайными нестационарными нелинейными колебательными процессами), было неэффективно. Разработанный алгоритм был проверен на имитационных моделях различного рода, использующих иерархически работающие программные генераторы псевдослучайных чисел, обеспечивающие разные комбинации шума с многообразными случайно распределенными сигналами. Проверку валидности алгоритма проводили также на детерминированных биологических моделях.

Наибольший интерес у нас вызвали результаты использования третьей экспериментальной модели. На рис. 1 в качестве примера приведены кривые научения 5 пар крыс в одной из серий опытов, каждая из которых составляла от 30 до 80 экспериментов в однородных условиях. Цифре 1 соответствуют кривые научения перципиента (восприемника семантического сигнала), цифре 2 - индуктора. Слева у каждого графика указан номер пары, по вертикали отложены значения биномиального критерия хи-квадрат, по горизонтали - порядковые номера опытов.