当时间间隔不相等时如何估计马尔可夫链的转移概率
当时间间隔不相等时如何估计马尔可夫链的转移概率
提问于 2017-05-04 22:55:59
我得到了一个数据集，里面有许多可观测的状态。我试图应用有限状态马尔可夫链对系统进行建模，但我发现，如果用不同的时间间隔采样观察到的状态，则无法估计过渡概率。我怎么才能找到这些概率？
我会尽量把问题弄得更清楚。我在6个月的时间里随机收集了一些样本.该样本代表系统的“质量”，按离散间隔(0、1、2. 15 )排序从0到15。我需要使用FSMC来模拟系统的行为。到目前为止，我只使用所有样本的频率估计了状态之间的转移概率。我对时间建模不感兴趣，但是，我不确定我是否能够以如此简单的方式估计过渡概率，或者在估计这些概率时，我是否需要考虑样本之间的时间(在我的情况下，这是随机的)。
回答 1
Data Science用户
发布于 2017-05-05 08:32:11
由于您所提供的信息有限，在这里无法判断不同处理时间的方法之间的权衡。我可以提出以下备选方案。
- 检查是否可以离散时间信息，然后使用转换到相同的状态假设。例如，让我们说从A到B的过渡是在30分钟进行的。如果您的标准时间间隔为10分钟，您可以说，对于间隔1&2 (10分钟，20分钟)，转换是从状态A到A，而在第三个时间间隔，过渡是从A到B。在这种情况下，可以使间隔足够小，也可以平均分配转移概率。
- 时间信息对你想要建模的东西有意义吗？否则，您可以忽略时间信息。
页面原文内容由Data Science提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://datascience.stackexchange.com/questions/18754
复制相关文章
相似问题
腾讯云开发者
