我有一个 1/0 的序列,指示患者是否处于缓解状态,
假设缓解或未缓解的记录是在离散时间进行的,
我如何检查每个患者的马尔可夫特性,然后总结结果,即假设任何患者在任何时间缓解的概率仅取决于患者上次缓解/上次未缓解(与事情相同)也就是说,任何患者在任何时间的缓解概率仅取决于患者是否在前一行中缓解,即使不是第一次观察也是如此)
P(r=1 at t=t+1|r=1 at t)=p(r=1 at t+1|r=1 at t, r=0 at t=t-1, r=1 at t =t-2,r=1,t=t-3)
如果你了解马尔可夫性质就很容易理解
这是我的 df 的摘录
患者病情缓解
ju67 1
ju67 0
ju67 0
ju88 1
ju88 1
ju23 1
ju23 0
有任何想法吗?用所需的条件对数据帧进行子集化,然后使用“msm”包计算概率,或者(可能是更好的方法)仅查看状态转换表就可以了,但是我该怎么做,对于数据帧的子集,我需要例如仅包含患者具有三个连续的 0 处于缓解状态(包括现在处于缓解状态的 0),并将其与具有两个连续 0 处于缓解状态的数据帧的子集(包括现在处于缓解状态的 0)进行比较 –
None
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)