Jaki byłby powszechny sposób szacowania macierzy przejścia MC, biorąc pod uwagę przedziały czasowe?
Czy jest do tego funkcja R?
markov-process
użytkownik333
źródło
źródło
Odpowiedzi:
Ponieważ szeregi czasowe są wyceniane dyskretnie, prawdopodobieństwa przejścia można oszacować na podstawie proporcji próbki. Niech będzie stanem procesu w czasie t , P będzie wówczas macierzą przejściaYt t P
Edycja: Zakłada się, że obserwujesz szeregi czasowe w równych odstępach. W przeciwnym razie prawdopodobieństwa przejścia zależą również od opóźnienia (nawet jeśli nadal są markowskie).
źródło
Jest bardzo, z hipotezą, że twoje szeregi czasowe są nieruchome:
Aby uprościć doskonałą odpowiedź Makra
Tutaj masz szereg czasowy z 5 stanami: A, B, C, D, E
AAAEDDDCBEEEDBADBECADAAAACCCDDE
Musisz tylko policzyć najpierw przejścia: - pozostawiając A: 9 przejść Spośród tych 9 przejść 5 to A-> A, 0 A-> B, 1 A-> C, 2 A-> D, 1 A-> E Zatem pierwszy wiersz macierzy prawdopodobieństwa przejścia to [5/9 0 1/9 2/9 1/9]
Robisz to licząc dla każdego stanu, a następnie otrzymujesz swoją matrycę 5x5.
źródło
AAABBBA
miałby taką samą matrycę jakABBBAAA
?funkcja markovchainFit z pakietu markovchain rozwiązuje problem.
źródło