У меня есть матрица отсчетов переходов из одного состояния в другое, и я хотел бы рассчитать оценки максимального правдоподобия, стандартные ошибки и стандартные отклонения.В пакете "markovchain" есть пример, но данные представляют собой последовательность.Мои данные получены из сбалансированного набора данных 155 компаний, поэтому приведенный ими пример кода не работает для меня.
Вот пример, которому я следовал:
data(rain)
rain$rain[1:10]
[1] "6+" "1-5" "1-5" "1-5" "1-5" "1-5" "1-5" "6+" "6+" "6+"
#obtaining the empirical transition matrix
createSequenceMatrix(stringchar = rain$rain)
0 1-5 6+
0 362 126 60
1-5 136 90 68
6+ 50 79 124
#fitting the DTMC by MLE
alofiMcFitMle <- markovchainFit(data = rain$rain, method = "mle", name = "Alofi")
alofiMcFitMle
$estimate
Alofi
A 3 - dimensional discrete Markov Chain defined by the following states:
0, 1-5, 6+
The transition matrix (by rows) is defined as follows:
0 1-5 6+
0 0.6605839 0.2299270 0.1094891
1-5 0.4625850 0.3061224 0.2312925
6+ 0.1976285 0.3122530 0.4901186
$standardError
0 1-5 6+
0 0.03471952 0.02048353 0.01413498
1-5 0.03966634 0.03226814 0.02804834
6+ 0.02794888 0.03513120 0.04401395
$confidenceInterval
$confidenceInterval$confidenceLevel
[1] 0.95
$confidenceInterval$lowerEndpointMatrix
0 1-5 6+
0 0.6034754 0.1962346 0.08623909
1-5 0.3973397 0.2530461 0.18515711
6+ 0.1516566 0.2544673 0.41772208
$confidenceInterval$upperEndpointMatrix
0 1-5 6+
0 0.7176925 0.2636194 0.1327390
1-5 0.5278304 0.3591988 0.2774279
6+ 0.2436003 0.3700387 0.5625151
$logLikelihood
[1] -1040.419
Поскольку у меня уже есть матрица данных подсчета, я не могу использовать приведенный выше код.Я просто хочу взять свою матрицу отсчетов переходов 6x6 и определить оценки максимального правдоподобия, стандартные ошибки (доверительный интервал) и стандартное отклонение.У кого-нибудь есть пример, которому я мог бы следовать?