关于泊松过程的参数估计

泊松过程的事件间隔之间服从指数分布，如果我能从数据中找到每个spike发生的时刻，那么每个spike之间的时间也就随之确定。
关于指数分布的参数估计，可见下面网址：
https://wenku.baidu.com/view/e88aa871168884868762d699.html
关键步骤截图如下：

这是在假设神经元的脉冲完全符合泊松分布下的推理。当然，神经元的spikes不是完全符合泊松过程的，我们需要进一步的优化。

目前的想法是，这些spikes之间的时间差T_i，减去一个固定的T（也就是所谓的"不应期”）。然后以T_i-T作为观测量，去最大似然估计指数分布的参数lambda。

这个固定的T，有的文献中取75ms，是不是太长了一些？或者说，这个T本身也是个随机变量，符合均值为mu,方差为sigma的正太随机变量吗？