Quale sarebbe il modo comune di stimare la matrice di transizione MC data la serie temporale?
C'è una funzione R per farlo?
Quale sarebbe il modo comune di stimare la matrice di transizione MC data la serie temporale?
C'è una funzione R per farlo?
Risposte:
Poiché le serie storiche sono valutate discretamente, è possibile stimare le probabilità di transizione in base alle proporzioni del campione. Sia lo stato del processo al momento , sia quindi la matrice di transizione t P
Poiché si tratta di una catena markov, questa probabilità dipende solo da , quindi può essere stimata dalla proporzione del campione. Sia il numero di volte in cui il processo è passato dallo stato a . Poi, n i k i k
dove è il numero di stati possibili ( nel tuo caso). Il denominatore, , è il numero totale di movimenti fuori dallo stato . Stimare le voci in questo modo corrisponde in realtà allo stimatore della massima probabilità della matrice di transizione, visualizzando i risultati come multinomiali, condizionati su .m = 5 ∑ m k = 1 n i k i Y t - 1
Modifica: questo presuppone che le serie temporali siano osservate a intervalli equidistanti. Altrimenti, le probabilità di transizione dipenderebbero anche dal ritardo (anche se sono ancora markoviane).
È molto, con l'ipotesi che le tue serie storiche siano stazionarie:
Per semplificare l'eccellente risposta di Macro
Ecco le tue serie temporali con 5 stati: A, B, C, D, E
AAAEDDDCBEEEDBADBECADAAAACCCDDE
Devi solo contare prima le transizioni: - lasciando A: 9 transizioni Tra quelle 9 transizioni, 5 sono A-> A, 0 A-> B, 1 A-> C, 2 A-> D, 1 A-> E Quindi la prima riga della matrice della probabilità di transizione è [5/9 0 1/9 2/9 1/9]
Lo fai contando per ogni stato e quindi ottieni la tua matrice 5x5.
AAABBBA
una stessa matrice di ABBBAAA
?
la funzione markovchainFit dal pacchetto markovchain risolve il problema.