Quelle serait la manière courante d'estimer la matrice de transition MC compte tenu de la série temporelle?
Existe-t-il une fonction R pour cela?
markov-process
user333
la source
la source
Réponses:
Comme la série chronologique est à valeur discrète, vous pouvez estimer les probabilités de transition par les proportions de l'échantillon. Soit l'état du processus au temps t , P la matrice de transition puisOuit t P
Comme il s'agit d'une chaîne de Markov, cette probabilité ne dépend que de , elle peut donc être estimée par la proportion d'échantillon. Soit n i k le nombre de fois que le processus est passé de l'état i à k . Alors,Ouit - 1 nje k je k
où est le nombre d'états possibles ( m = 5 dans votre cas). Le dénominateur, ∑ m k = 1 n i k , est le nombre total de mouvements hors de l'état i . L'estimation des entrées de cette manière correspond en fait à l'estimateur du maximum de vraisemblance de la matrice de transition, en considérant les résultats comme multinomiaux, conditionnés à Y t - 1 .m m = 5 ∑mk = 1nje k i Yt−1
Modifier: Cela suppose que les séries chronologiques soient observées à intervalles réguliers. Sinon, les probabilités de transition dépendraient également du décalage temporel (même si elles sont encore markoviennes).
la source
C'est très, avec l'hypothèse que votre série chronologique est stationnaire:
Pour simplifier l'excellente réponse de Macro
Voici votre série chronologique avec 5 états: A, B, C, D, E
AAAEDDDCBEEEDBADBECADAAAACCCDDE
Il suffit de compter d'abord les transitions: - laissant A: 9 transitions Parmi ces 9 transitions, 5 sont A-> A, 0 A-> B, 1 A-> C, 2 A-> D, 1 A-> E Ainsi, la première ligne de votre matrice de probabilité de transition est [5/9 0 1/9 2/9 1/9]
Vous faites cela en comptant pour chaque état, puis vous obtenez votre matrice 5x5.
la source
AAABBBA
une même matrice queABBBAAA
?la fonction markovchainFit du package markovchain traite votre problème.
la source