分组后估计模型子集的概率

Question

使用的数据可用here（文件名为"figshare.txt"）。

我估计了马尔可夫模型的转移概率，其中观测值按位置分组 (group_by(km))。

data <- data %>% group_by(km) %>% summarize(pp_chain=list(pp)) %>% as.data.frame 
pp_chains <- data$pp_chain; names(pp_chains) <- data$km
fit <- markovchainFit(pp_chains)

输出（此处总结）显示了模型整体的概率估计：

print(fit$estimate)
      0          1
0 0.9116832 0.08831677
1 0.5250852 0.47491476

假设，我所追求的输出会更具体，并会为我提供每个位置的概率 (km)。

看起来像这样：

km = 80
      0          1
0 0.7116832 0.28831677
1 0.1250852 0.17491476

km = 81
      0          1
0 0.8116832 0.18831677
1 0.4250852 0.37491476

km = 83
      0          1
0 0.6116832 0.38831677
1 0.3250852 0.27491476

Does anyone know how to extract the Markov model estimates for each location (km) individually after the model is run?

Answer 1

一个简单的 lapply() 解决方案是否足够？据我了解，每个序列都是单独处理的，即没有复杂的相互依赖关系等？

library(dplyr)
library(markovchain)

data <- read.table(paste0("https://ndownloader.figshare.com/files",
  "/10412271?private_link=ace5b44bc12394a7c46d"), header=TRUE, sep="\t")

data <- data %>% group_by(km) %>% summarize(pp_chain=list(pp)) %>% as.data.frame 
pp_chains <- data$pp_chain; names(pp_chains) <- data$km

est <- lapply(pp_chains, function(x) markovchainFit(x)$estimate)
head(est, 3)

# $`80`
          # 0         1
# 0 0.8470588 0.1529412
# 1 0.7222222 0.2777778


# $`81`
          # 0         1
# 0 0.6976378 0.3023622
# 1 0.2107574 0.7892426


# $`83`
          # 0          1
# 0 0.9706840 0.02931596
# 1 0.4210526 0.57894737

分组后估计模型子集的概率

Estimating probabilities for model subset after grouping

r

grouping

subset

markov-chains