R语言中计算二元序列状态转移概率并构建矩阵的方法咨询

直接用你的示例向量演示实操步骤：

首先定义目标向量：

vec <- c("a", "a", "b", "a", "b", "b", "b", "a")

步骤1：提取相邻元素对 #

我们需要把向量中连续的元素配对（第1&2个、第2&3个……第7&8个），可以通过截取向量的前后部分实现：

prev_elements <- vec[-length(vec)]  # 去掉最后一个元素，得到前7个元素：a,a,b,a,b,b,b
next_elements <- vec[-1]            # 去掉第一个元素，得到后7个元素：a,b,a,b,b,b,a

步骤2：统计配对出现次数 #

用table()函数生成交叉统计表，统计每种相邻配对的次数：

transition_counts <- table(prev_elements, next_elements)
print(transition_counts)

输出的交叉表如下：

next_elements
prev_elements a b
           a 1 2
           b 2 2

这个表的含义：前一个元素是a时，下一个元素为a的有1次、为b的有2次；前一个元素是b时，下一个元素为a的有2次、为b的有2次。

步骤3：计算转移概率矩阵 #

转移概率是基于前一个元素的条件概率，用prop.table()按行计算比例（margin=1表示按行归一化）：

transition_matrix <- prop.table(transition_counts, margin = 1)
print(transition_matrix)

最终得到的转移概率矩阵：

next_elements
prev_elements         a         b
           a 0.3333333 0.6666667
           b 0.5000000 0.5000000

第一行对应「前一个为a」时，转为a的概率（1/3）和转为b的概率（2/3）；第二行对应「前一个为b」时，转为a的概率（2/4）和转为b的概率（2/4）。

关于你提到的函数的说明 #

你说的str_detect、str_count都是stringr包的字符串处理函数，适合单字符串内的模式统计（比如统计长字符串中"a"的出现次数），但你的问题是向量元素的相邻配对，用table和prop.table更直接，不需要用到这些字符串函数。duplicate_count（推测是duplicated()）用于识别重复元素，这里也用不上。

如果你的原始数据是类似"aababbbba"的字符串，才需要先用str_split拆分向量：

library(stringr)
raw_str <- "aababbbba"
vec <- str_split(raw_str, "")[[1]]

之后的步骤和上面一致即可。

内容的提问来源于stack exchange，提问作者Mike_R