条件付き遷移確率を持つマルコフモデル

まず、統計と数学に精通しているわけではないことを前もって認識させてください。危険を冒すのに十分な知識があると言う人もいます。：DI用語を正しく使用していない場合は、謝罪します。

システムがある状態から別の状態に遷移する確率をモデル化しようとしています。単純なマルコフモデルは良い出発点です。（状態のセット、初期状態の確率のセット、状態間の遷移確率のセット。）

ただし、私がモデリングしているシステムは、それよりも複雑です。時間Tの状態に至る遷移確率は、T-1の状態以外の変数に確実に依存しています。たとえば、S1-> S2の遷移確率は、太陽が輝いている場合は40％ですが、雨が降っている場合はS1-> S2の確率は80％になります。

コメント投稿者の質問からの追加情報：

1. 状態は観察可能です。
2. 状態は5〜10のみです。
3. 現在、調査したい共変量は約30ありますが、最終的なモデルは確かにこれよりも少なくなります。
4. 一部の共変量は連続的であり、その他は離散的です。

3つの質問：

1. 条件付き遷移確率をマルコフモデルに組み込むにはどうすればよいですか？
2. または、私がこの問題に取り組む必要がある完全に別の視点がありますか？
3. また、これについて詳しく知るためにオンラインで検索する必要があるキーワード/概念は何ですか？

私はすでに「条件付き遷移確率のあるマルコフモデル」のようなものを検索してきましたが、これまでのところ、私に直面したことはなく、「これはあなたの答えです、ダミーです！」

あなたの助けと忍耐をありがとう。

常に2次以上のマルコフチェーンを持つことができます。その場合、すべての準備が整ったモデルには、すべての確率的遷移情報が含まれます。機械学習で頻繁に使用されるマルコフ連鎖のグラフィカルモデル一般化である動的ベイジアンネットワークを確認できます。

あなたが探しているのはマクセントマルコフモデルだと思います。

または、条件付きランダムフィールドと呼ばれるマクセントマルコフモデルの一般化（正しく理解している場合）を使用することもできます。

私は自分自身に同じ質問を求めていた、あなたは本当に唯一の状態に基づいて結果をモデル化する必要がある場合あなたが見つけることができ、共変量MSMパッケージを R便利に。$T_1$

このパッケージは、時間の経過に伴うカテゴリー結果間の遷移に対する共変量の影響をモデル化するのにかなり適しているようです。より高い次数チェーンが本当に必要な場合は役に立ちませんが、元の質問に基づくとそうではないようです。