Apa yang akan menjadi cara umum untuk memperkirakan matriks transisi MC mengingat jangka waktu?
Apakah ada fungsi R untuk melakukan itu?
markov-process
pengguna333
sumber
sumber
Jawaban:
Karena deret waktu bernilai diskrit, Anda dapat memperkirakan probabilitas transisi dengan proporsi sampel. BiarkanYt menjadi keadaan proses pada waktu t , P menjadi matriks transisi
Karena ini adalah rantai markov, probabilitas ini hanya bergantung pada , sehingga dapat diperkirakan dengan proporsi sampel. Biarkan menjadi berapa kali proses dipindahkan dari keadaan ke . Kemudian, n i k i kYt−1 nik i k
di mana adalah jumlah kemungkinan keadaan ( dalam kasus Anda). Penyebutnya, , adalah jumlah total pergerakan di luar status . Memperkirakan entri dengan cara ini sebenarnya sesuai dengan estimator kemungkinan maksimum dari matriks transisi, melihat hasilnya sebagai multinomial, dikondisikan pada .m = 5 Σ m k = 1 n i k i Y t - 1m m=5 ∑mk=1nik i Yt−1
Sunting: Ini mengasumsikan bahwa Anda memiliki deret waktu yang diamati pada interval yang berjarak sama. Kalau tidak, probabilitas transisi juga akan tergantung pada jeda waktu (bahkan jika mereka masih bersifat signifikan).
sumber
Sangat, dengan hipotesis bahwa deret waktu Anda stasioner:
Untuk menyederhanakan jawaban Makro yang luar biasa
Di sini Anda memiliki deret waktu dengan 5 status: A, B, C, D, E
AAAEDDDCBEEEDBADBECADAAAACCCDDE
Anda hanya perlu menghitung dulu transisinya: - menyisakan transisi A: 9 Di antara 9 transisi tersebut, 5 adalah A-> A, 0 A-> B, 1 A-> C, 2 A-> D, 1 A-> E Jadi baris pertama dari matriks probabilitas transisi Anda adalah [5/9 0 1/9 2/9 1/9]
Anda melakukan penghitungan untuk setiap negara, dan kemudian mendapatkan matriks 5x5 Anda.
sumber
AAABBBA
memiliki matriks yang sama denganABBBAAA
?fungsi markovchainFit dari paket markovchain berkaitan dengan masalah Anda.
sumber