泊松過程的事件間隔之間服從指數分布，如果我能從資料中找到每個spike發生的時刻，那麼每個spike之間的時間也就隨之確定。
關於指數分布的引數估計，可見下面**：
關鍵步驟截圖如下：
這是在假設神經元的脈衝完全符合泊松分布下的推理。當然，神經元的spikes不是完全符合泊松過程的，我們需要進一步的優化。
目前的想法是，這些spikes之間的時間差t_i，減去乙個固定的t（也就是所謂的"不應期」）。然後以t_i-t作為觀測量，去最大似然估計指數分布的引數lambda。
這個固定的t，有的文獻中取75ms，是不是太長了一些？或者說，這個t本身也是個隨機變數，符合均值為mu,方差為sigma的正太隨機變數嗎？
引數估計 CIR模型的引數估計
cox ingersoll ross cir 模型是量化金融風控中，特別是在利率和信用風險的期限結構模型中經常用到的一種模型。與其他模型如ho lee,vasicek等相比，它的特點是其解總是非負的 如果滿足feller條件則以概率為1為正 並且滿足均值回歸性質。cir 的基本形式是如下的sde 其...
引數估計 狀態估計的基本概念（1）引數估計問題
如果乙個系統的引數隨時間而改變，那麼稱它為 時變的引數 如果系統的引數不隨時間而改變，那麼稱它為 時不變的引數 對引數 其中 是第 次觀測量，是第 次觀測雜訊量 我們要找到乙個關於 次觀測 的函式 在某種意義下作為 對 的統計量。我們稱這個函式 為 的 估計量 estimator 函式值被稱為 的估...
幾種常見的引數估計
引數估計有點估計 point estimation 和區間估計 interval estimation 兩種。點估計是依據樣本估計總體分布中所含的未知引數或未知引數的函式。通常它們是總體的某個特徵值，如數學期望 方差和相關係數等。點估計問題就是要構造乙個只依賴於樣本的量，作為未知引數或未知引數的函式...