El estudio de la conectividad funcional a partir de datos magnetoencefalográficos (MEG) consiste en cuantificar las dependencias estadísticas entre series temporales que describen la actividad de diferentes fuentes neurales a partir del campo magnético registrado fuera del cuero cabelludo. Este problema puede abordarse utilizando medidas de conectividad cuyo cálculo en el dominio de la frecuencia a menudo se basa en la evaluación del espectro de potencia cruzada de las series temporales neurales estimadas mediante la resolución del problema inverso de MEG. Estudios recientes se han centrado en la determinación óptima del espectro de potencia cruzada en el marco de la teoría de regularización para problemas inversos mal planteados, proporcionando indicaciones de que, sorprendentemente, el proceso de regularización que conduce a la estimación óptima de la actividad neural no conduce a la estimación óptima de la conectividad funcional correspondiente. En esta línea, el presente artículo utiliza series temporales sintéticas que simulan la actividad neural registrada por un dispositivo de MEG para mostrar que la regularización del espectro de potencia cruzada está significativamente correlacionada con la relación señal-ruido de las mediciones y que, en consecuencia, esta regularización depende correspondientemente de la complejidad espectral de la actividad neural.