Matlab Kolmogorov-Smirnov试验

我正在用MATLAB分析一些神经科学数据，我做了一个脉冲间隔分布，并拟合了一个指数。然后，我想用MATLAB的Kolmogorov-Smirnov测试来检查这个拟合

神经元尖峰的数据只存储在一个尖峰向量中。

spikes

向量是一个111×1的向量，其中每个条目都是另一个向量。该向量中的每个条目代表一次试验。每次试验中的峰值数量各不相同。例如，

尖峰{1}

是一个

[1x116双精度]

，意味着有116个尖峰。接下来是115个尖峰，然后是108个，以此类推

现在，我知道MATLAB中的kstest需要几个参数。您在第一个窗口中输入数据，因此我获取了所有的行程间隔，并创建了一个行向量

alldiff

，它存储了所有的行程间隔。我想将CDF设置为指数函数拟合：

test_cdf = [transpose(alldiffs), transpose(1-exp(-alldiffs*firingrate))];

注意，理论指数（我用它拟合数据）是

r*exp（-rt）

，其中

r

是点火率。我的射击速度大约是0.2。现在，当我把这些放在一起时，我运行kstest：

[h,p] = kstest(alldiffs, 'CDF', test_cdf)

但是，结果是p值的顺序为

1.4455e-126

。我已经尝试使用Mathworks网站文档中的另一种方法重新进行了

测试\u cdf

：

test_cdf = [transpose(alldiffs), cdf('exp', transpose(alldiffs), 1/firingrate)];

这给出了完全相同的结果！是不是太糟糕了？我不知道为什么我的p值这么低。请帮忙

我会贴一张fit的照片，但我没有足够的声誉

---

另外，如果有更好的地方发布，请告诉我，我会重新发布。

这里有一个假数据示例，还有另一种创建CDF的方法：

>> data = exprnd(.2, 100);
>> test_cdf = makedist('exp', 'mu', .2);
>> [h, p] = kstest(data, 'CDF', test_cdf)

h =

     0


p =

    0.3418

然而，你为什么要做KS测试

所有的模型都是错误的，有些是有用的

---

没有一个神经元是完美的泊松过程，如果有足够的数据，你总是会有一个明显的非指数ISI，通过KS测试来测量。这并不意味着你不能根据你试图模拟的现象来简化指数ISI的假设。

谢谢！我明白你的意思。我用KS测试来观察不同的神经元，看看它们是否在IID与指数的相似程度（或者神经元放电与泊松过程的相似程度）上存在显著差异，但这是有意义的。也许我需要一个不太敏感的测试，或者我可以用KS测试的P值来比较。