Question

我正在使用MATLAB来分析一些神经科学数据，并且我做了一个interpike间隔分布并且它符合指数。然后，我想用MATLAB的Kolmogorov-Smirnov测试检查这个拟合。

神经元尖峰的数据只存储在尖峰矢量中。 spikes向量是111乘1向量，其中每个条目是另一个向量。 spikes向量中的每个条目代表一个试验。每个试验中的峰值数量各不相同。例如，spikes{1}是[1x116 double]，意味着有116个峰值。接下来有115个尖峰，然后108个等等。

现在，我知道MATLAB中的kstest需要几个参数。您在第一个中输入数据，因此我获取了所有的interspike间隔并创建了一个行向量alldiffs，它存储了所有的interspike间隔。我想将我的CDF设置为指数函数拟合：

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

请注意，理论指数（我适合数据）是r*exp(-rt)，其中r是点火率。我的射击率约为0.2。现在，当我把它们放在一起时，我会运行最新的：

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

但是，结果是1.4455e-126的p值。我尝试使用Mathworks网站文档中的另一种方法重做test_cdf：

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

这给出了完全相同的结果！合适的可怕吗？我不知道为什么我会得到如此低的p值。请帮忙！

我会发布一个合适的图片，但我没有足够的声誉。

P.S。如果有更好的地方发布，请告诉我，我会重新发布。

Answer 1

以下是假数据的示例，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

但是，为什么要进行KS测试？

所有型号都有错，有些型号很有用。

没有神经元完全泊松过程，并且有足够的数据，您将始终具有显着的非指数ISI，如通过KS测试所测量的。这并不意味着您无法对指数ISI进行简化假设，具体取决于您尝试建模的现象。

Matlab Kolmogorov-Smirnov测试

1 个答案: