Po pierwsze, muszę przyznać, że nie jestem tak dobrze zorientowany w statystyce i matematyce, jak bym chciał. Niektórzy mogą powiedzieć, że mają wystarczającą wiedzę, aby być niebezpiecznym. : DI przepraszam, jeśli nie używam terminologii poprawnie.
Próbuję modelować prawdopodobieństwo przejścia systemu z jednego stanu do drugiego. Prosty model Markowa to dobry początek. (Zbiór stanów, zbiór prawdopodobieństw stanu początkowego, zbiór prawdopodobieństw przejścia między stanami.)
Modelowany przeze mnie system jest jednak bardziej złożony. Prawdopodobieństwa przejścia prowadzące do stanu w czasie T z pewnością zależą od zmiennych innych niż stan w T-1. Na przykład S1 -> S2 może mieć prawdopodobieństwo przejścia 40%, gdy świeci słońce, ale prawdopodobieństwo S1 -> S2 wzrasta do 80%, gdy pada deszcz.
Dodatkowe informacje z pytań komentujących:
- Stany są obserwowalne.
- Będzie tylko 5-10 stanów.
- Obecnie mamy około 30 zmiennych towarzyszących, które chcemy zbadać, chociaż ostateczny model z pewnością będzie miał mniej niż to.
- Niektóre zmienne towarzyszące są ciągłe, inne są dyskretne.
Trzy pytania:
- Jak włączyć prawdopodobieństwo warunkowego przejścia do mojego modelu Markowa?
- Czy też jest zupełnie inna perspektywa, z której powinienem podejść do tego problemu?
- Ponadto, jakich słów kluczowych / pojęć powinienem szukać w Internecie, aby dowiedzieć się więcej na ten temat?
Byłem już w Internecie szukając takich rzeczy jak „modele markowa z prawdopodobieństwem warunkowego przejścia”, ale jak dotąd nic nie uderzyło mnie w twarz i nie powiedziałem: „To twoja odpowiedź, manekinie!”
Dziękujemy za pomoc i cierpliwość.