Ковариатно-зависимые марковские модели? Постройте вероятность перехода между состояниями по градиенту значений ковариации - PullRequest
0 голосов
/ 04 августа 2020

Данные состоят из 4 переменных: id, x1 и x2, непрерывных переменных, которые коррелируют с y, двоичной переменной. 0 и 1 в двоичной переменной представляют разные состояния. Можно ли использовать модели цепей Маркова для расчета и построения графика вероятности перехода между состояниями по градиенту значений ковариации для каждого идентификатора, а затем и для объединенных данных?

set.seed(1)
id =rep(1, 100)
x1 = rnorm(100)           
x2 = rnorm(100)
z = 1 + 2*x1 + 3*x2      
pr = 1/(1+exp(-z))        
y = rbinom(100,1,pr)
a<-data.frame(id,x1,x2, y)


set.seed(2)
id =rep(2, 100)
x1 = rnorm(100)           
x2 = rnorm(100)
z = 1 + 2*x1 + 3*x2      
pr = 1/(1+exp(-z))        
y = rbinom(100,1,pr)
b<-data.frame(id,x1,x2, y)


set.seed(3)
id =rep(3, 100)
x1 = rnorm(100)           
x2 = rnorm(100)
z = 1 + 2*x1 + 3*x2      
pr = 1/(1+exp(-z))        
y = rbinom(100,1,pr)
c<-data.frame(id,x1,x2, y)


d<-rbind(a,b,c)
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...