Berechnen Sie die Übergangsmatrix (Markov) in R

Gibt es in R (eine eingebaute Funktion) eine Möglichkeit, die Übergangsmatrix für eine Markov-Kette aus einer Reihe von Beobachtungen zu berechnen?

Nehmen Sie zum Beispiel einen Datensatz wie den folgenden und berechnen Sie die Übergangsmatrix erster Ordnung?

dat<-data.frame(replicate(20,sample(c("A", "B", "C","D"), size = 100, replace=TRUE)))

Ich bin mir einer "eingebauten" Funktion (zB in baseoder ähnlichem) nicht sofort bewusst , aber wir können dies sehr einfach und effizient in ein paar Codezeilen tun.

Hier ist eine Funktion, die eine Matrix (keinen Datenrahmen) als Eingabe verwendet und entweder die Übergangszahlen ( prob=FALSE) oder standardmäßig ( prob=TRUE) die geschätzten Übergangswahrscheinlichkeiten erzeugt.

# Function to calculate first-order Markov transition matrix.
# Each *row* corresponds to a single run of the Markov chain
trans.matrix <- function(X, prob=T)
{
    tt <- table( c(X[,-ncol(X)]), c(X[,-1]) )
    if(prob) tt <- tt / rowSums(tt)
    tt
}

Wenn Sie es auf einem Datenrahmen aufrufen müssen, können Sie immer tun

trans.matrix(as.matrix(dat))

Wenn Sie nach Paketen von Drittanbietern suchen, bietet Rseek oder die R- Suchsite möglicherweise zusätzliche Ressourcen.

Ich habe gerade ein neues R-Paket hochgeladen markovchain, das auf dem S4-Programmierstil basiert. Zusammen mit verschiedenen Methoden zum Behandeln von S4-Markovchain-Objekten enthält es eine Funktion zum Anpassen einer Markov-Kette aus einer Folge von Zuständen. Schauen Sie sich an:

library(markovchain) 
sequence <- c("a", "b", "a", "a", "a", "a", "b", "a", "b", "a", 
              "b", "a", "a", "b", "b", "b", "a")
mcFit <- markovchainFit(data=sequence)

Es könnte helfen.