Oz3 <- Oz %^% 3  
rnd(Oz3,3)

醉酒的步行问题

一个具有以下状态的5维离散马尔科夫链 0 1 2 3 4 ，转换矩阵（按行）定义如下：

＃0 1 2 3 4 
＃0 1.0 0.0 0.0 0.0 0.0 
＃1 0.5 0.0 0.5 0.0 0.0 
＃2 0.0 0.5 0.0 0.5 0.0 
＃3 0.0 0.0 0.5 0.0 0.5 
＃4 0.0 0.0 0.0 0.0 1.0

---

---

确定瞬时状态

trnieSttes(Dmc)

＃确定吸收状态

absrngtates(DWmc)

查找矩阵Q

gRQ <- funton(M,type="Q"){  
tm <- M@trasitnatrix  
d <- diag(tm)  
m <- ax(whch(d == 1))  
n <- lngh(d)  
ifese(te=="Q",  
A <- tm[(m+1):n,(m+1):n],  

}

将DWmc放入规范表单

P <- cniorm(Wmc)  
P

Q <- geRQ(P)

I <- dag(im(Q)[2])  
N <- sle(I - Q)  
N

计算吸收时间

c <- rp(1im(N)[2])  
u <- N %*% c  
u

R <- gtQ(P,"R")  
B <- N %*% R  
B

对于处理正则和遍历马尔科夫链，我们返回到Oz，并且提供用于计算稳态的四个选项，或者限定该规则转移矩阵的概率分布。 前三个选项涉及在R中容易获得的标准方法。方法1使用％^％来将矩阵O z提高到足够高的值。 方法2计算特征向量1的特征值，方法3计算空间或与矩阵相关联的线性变换的核。 要使用此函数，我们首先将Oz转换为markovchain对象。

Ergodic Markov链

方法3：计算（P-I）

I <- dag(3)  
ns <- npae(t(Oz - I))  
ns <- rund(ns / sum(ns),2)  
ns

方法4：使用函数

OC<-nw("akovhain",  
staes=statNams,  
transtinMarix=  
nrow=3,  
bo=TRUE,  
dimnaes=ist(staeNas,satNames)))  
  
sedSte(Oz)

对于相当大的马可夫链，函数似乎是相当有效的。 以下代码创建一个5,000行乘以5000列常规马尔可夫矩阵。 创建markovchain对象和计算稳态分布。

创建一个大的随机规则矩阵

radeg <- uion(N){  rowS <- rowSums(M)  
regM <- M/rowS  
return(regM)  
}  
  

.tim(reMC <- new("mrkvchai", sttes = ascharcer(1:N),  
trastinMatrix= M,  
name = "M"))

stm.time(ss <- staytts(eMC))

我们通过使用rarkovhain函数来模拟这个大随机矩阵表示的过程的轨迹并绘制结果来结束这个小马尔可夫链偏移。 看来这是一种用于模拟静态时间序列的合理方法。

样品来自regMC

rgMCts <- rmrkocin(n=1000,object=regMC)  
reMCtDf <- as.daa.rame(regCts,stingssFaors = FALSE)  
rgMCsDf$idex <- 1:1000  
reMCtsf$rMts <- as.umrc(rCtDf$reMCts)  
  

p <- got(egCtfs(indx,egMCts))  
p + g_lie(colur="dark red") +