神经代码的精度通常使用两类统计度量进行调查：在调查非常小的神经元种群时使用香农互信息和导出量，在研究大种群时使用费希尔信息。这些统计工具不再是理论家的专利，而是由实验研究小组用于分析实证数据。尽管在无限种群的极限下，信息论和基于Fisher的测度之间的关系相对较清楚，但这些测度在有限规模种群中的比较尚未得到系统的探索。我们的目标是缩小这一差距。我们特别感兴趣的是了解在一个群体中，哪种刺激最适合由一个给定的神经元编码，以及这如何取决于所选的度量。我们使用一种新的蒙特卡罗方法来计算最多256个神经元种群的互信息（SSI）的刺激特定分解，并表明Fisher信息可以用于准确估计100个神经元种群中的互信息和SSI，即使存在生物学上现实的可变性、噪声相关性和实验上相关的积分时间。根据这两种测量方法，最佳编码的刺激是那些位于神经元调谐曲线两侧的刺激。然而，在少于50个神经元的人群中，Fisher信息可能会产生误导。
