来自概率向量的马尔可夫链转移矩阵答案

【问题标题】：Markov chain transition matrix from vector of probabilities来自概率向量的马尔可夫链转移矩阵
【发布时间】：2013-01-02 10:30:10
【问题描述】：

完整的data.frame概述：

'data.frame':   29 obs. of  3 variables:
$ FirmDatum : Date, format: "1982-12-31" "1983-03-31" "1983-06-30" ...
$ fittedSurv: num  0.884 0.839 0.779 0.746 0.817 ...
$ Rating    : chr  "Aa" "Aaa" "B" "Bb" ...

fittedSurv 列包含概率，Rating 列对应于该时间点的概率 (fittedSurv)。

对于马尔可夫链转移矩阵，我需要额外的列。仅仅对概率的单列（向量）进行纯粹的重新采样是无法单独完成的。

就推理而言，最有效的方法是什么？
关于正确的 R 包的可能指示就足够了 - 一个例子将是一个奖励。

@乔纳森。很可能是这样。然而，我怀疑随时间变化的概率可以被引导或重新采样概率向量，以便创建有意义的概率列。类似的东西：

A <- data.frame(X=FrameTs$Rating)
B <- data.frame(replicate(20, sample(as.character(A$X), size=100, replace = TRUE)))

【问题讨论】：

我怀疑你在这个data.frame 中没有足够的信息来创建一个真正的马尔可夫链转换矩阵。你能解释一下为什么你认为你应该能够使用所提供的信息吗？
@Jonathan。请参阅上面的编辑。复制一定是错误的，因为我相信它还必须包含概率随时间的演变。当然，我没有足够的经验和知识来评估如何有意义地做到这一点。
你能解释一下你的数据到底是什么吗？
fittedSurv=公司违约的概率（过去数据），Rating= 给定概率区间的仅分配字母（评级），即从 0.884 到 0.839 的概率 = Aa。
那么我看不到数据如何包含有关“概率随时间的演变”的任何信息。

标签： r markov-chains

【解决方案1】：

可能的解决方案（我不相信）是：

A <- data.frame(X=FrameTs$Rating)
w <- FrameTs$fittedSurv/sum(FrameTs$fittedSurv)
B <- data.frame(replicate(10, sample(as.character(A$X), size=10, replace = TRUE, prob=w)))

在给定概率的情况下产生等权矩阵：

   X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1   A  A  A  A  A  A  B  A  B   B
2   B  A  A  A  A  A  A  A  A   A
3   A  A  A  B  C  A  A  B  B   A
4   A  A  A  A  A  A  A  A  A   A
5   B  A  A  A  B  A  A  A  A   B
6   A  A  B  B  B  A  A  B  A   A
......and so on...

Of course the matrix B size can be extended via replicate(1000, sample(...

基于这个“概率”（评级）矩阵，可以得到马尔可夫转移矩阵。（包 msm 等）。输出数字似乎直观且正确，但我不相信这种方法

【讨论】：