Каков будет общий способ оценки матрицы перехода MC с учетом временных рядов?
Есть ли функция R для этого?
markov-process
user333
источник
источник
Ответы:
Поскольку временные ряды имеют дискретное значение, вы можете оценить вероятности перехода по пропорциям выборки. Пусть будет состоянием процесса в момент времени , будет матрицей перехода, тогдаYt t P
Поскольку это цепочка Маркова, эта вероятность зависит только от , поэтому ее можно оценить по пропорции выборки. Пусть будет количеством раз, которое процесс переходил из состояния в . Потом,Yt−1 nik i k
где - количество возможных состояний ( в вашем случае ). Знаменатель - это общее количество перемещений из состояния . Оценка записей таким способом фактически соответствует оценке максимального правдоподобия матрицы перехода, рассматривая результаты как многочленные, обусловленные .m m=5 ∑mk=1nik i Yt−1
Редактировать: Это предполагает, что у вас есть временные ряды, наблюдаемые через равные интервалы. В противном случае вероятности перехода также будут зависеть от временной задержки (даже если они все еще являются марковскими).
источник
Это очень, с гипотезой, что ваш временной ряд является стационарным:
Упростить отличный ответ Макро
Здесь у вас есть временной ряд с 5 состояниями: A, B, C, D, E
AAAEDDDCBEEEDBADBECADAAAACCCDDE
Вам просто нужно сначала сосчитать переходы: - оставляя переходы A: 9 Среди этих 9 переходов 5 - A-> A, 0 A-> B, 1 A-> C, 2 A-> D, 1 A-> E Итак, первая строка вашей матрицы вероятности перехода - [5/9 0 1/9 2/9 1/9]
Вы делаете это, считая для каждого состояния, и затем получаете свою матрицу 5x5.
источник
AAABBBA
иметь такую же матрицу, какABBBAAA
?функция markovchainFit из пакета markovchain решает вашу проблему.
источник