回答:
時系列は離散値であるため、サンプルの割合によって遷移確率を推定できます。ましょう、時間の処理の状態である、遷移行列であり、次いで
これはマルコフ連鎖であるため、この確率はのみに依存するため、サンプルの割合によって推定できます。ましょうプロセス状態から移動した回数であるする。次に、
ここで、は可能な状態の数です(この例では)。分母は、状態からの移動の総数です。この方法でエントリを推定することは、実際には遷移行列の最尤推定量に対応し、結果を条件とする多項分布として表示します。
編集:これは、等間隔で観測された時系列があることを前提としています。それ以外の場合、遷移確率はタイムラグに依存します(たとえそれらがまだマルコフ的であっても)。
あなたの時系列が定常であるという仮説では、非常にです:
マクロの優れた答えを簡素化するには
ここには、5つの状態を持つ時系列があります:A、B、C、D、E
AAAEDDDCBEEEDBADBECADAAAACCCDDE
最初にトランジションをカウントする必要があります。-Aを残す:9トランジションこれらの9トランジションのうち、5はA-> A、0 A-> B、1 A-> C、2 A-> D、1 A-> Eです。したがって、遷移確率行列の最初の行は[5/9 0 1/9 2/9 1/9]です
状態ごとにカウントを行い、5x5マトリックスを取得します。
AAABBBA
と同じ行列になりABBBAAA
ます。
markovchainパッケージの関数markovchainFitが問題を処理します。