Задача R: стационарное распределение цепи Маркова с использованием моделирования Монте-Карло - PullRequest
Новая
       99

Задача R: стационарное распределение цепи Маркова с использованием моделирования Монте-Карло

1 голос
/ 02 мая 2020

Используя моделирование по методу Монте-Карло, оцените предельное распределение, которое является стационарным распределением цепи Маркова с двумя возможными начальными состояниями:

a) X0 = 1

b) X0 = 2 

#transition matrix
 P = matrix(c(.5, 0, .5, 0, .5, .5, 0, 0, .3), nrow = 3, ncol = 3,
               byrow = TRUE)
# msim_cadena.markov is a created function that is composed by:
# m is number of chains to simulate
# number of transitions
#initial state     
 msim_cadena.markov<- function(m, num_trans, x0, P){
 P_n<- matrix(0,m,(num_trans+1))
 for(i in 1:m){
 P_n[i,]<- sim1_cadena.markov(num_trans, x0, P)
   }
  estados<- numeric(num_trans+1)
  for(i in 0:num_trans) estados[i+1]<- paste('step',i)
  colnames(P_n)<- estados
  P_n
 }
#stationary distribution
# runs are number of simulations
 stat_distr<-function(runs, num_trans)
 x0_1<- x0_1<- t(msim_cadena.markov(num_sims, num_trans, 1, P))
 x0_1<- as.data.frame(x0_1)
 initial.state_1<-length/num_trans
 # I am not sure length of what

Стационарное распределение - это процент переходов в каждом состоянии, начиная с 1 или 2; поэтому у меня была бы матрица или вектор, и она делится на количество переходов.

...