如何用R语言基于n阶马尔可夫链转移矩阵生成适配不同n的样本？

我已经用R语言构建出n阶马尔可夫链的转移矩阵，代码如下：

set.seed(1)

dat <- sample(c("A", "B", "C"), size = 2000, replace = TRUE) # 生成模拟数据

n <- 2 # 马尔可夫链阶数
if (n > 1) {
  from <- head(apply(embed(dat, n)[, n:1], 1, paste, collapse = ""), -1)
  to <- dat[-1:-n]
} else {
  from <- dat[-length(dat)]
  to <- dat[-1]
}

fromTo <- data.frame(cbind(from, to))
TM <- table(fromTo)
TM <- TM / rowSums(TM) # 归一化后的转移矩阵

但我没法写出适配任意n值的样本生成代码，希望找到不依赖markovchain包的可行方法（不同R版本对该包兼容性差）。

核心逻辑：n阶马尔可夫链的下一个状态仅由当前连续的n个状态决定。生成样本时，先确定长度为n的初始状态序列，之后每一步根据当前的n状态组合，从转移矩阵中抽样得到下一个状态，再更新当前状态组合（去掉最旧的状态，加入新状态），循环此过程即可生成任意长度的样本。

以下是封装好的适配任意n值的函数：

generate_markov_samples <- function(transition_matrix, n_order, initial_states, sample_length) {
  # 参数说明：
  # transition_matrix: 已构建好的n阶转移矩阵（table格式）
  # n_order: 马尔可夫链的阶数
  # initial_states: 初始状态序列，长度必须等于n_order
  # sample_length: 需要生成的总样本长度（包含初始状态）
  
  if (length(initial_states) != n_order) {
    stop("初始状态序列长度必须等于马尔可夫链阶数n_order")
  }
  
  current_state_str <- paste(initial_states, collapse = "")
  samples <- initial_states
  
  for (i in (n_order + 1):sample_length) {
    if (!current_state_str %in% rownames(transition_matrix)) {
      stop(paste("转移矩阵中不存在状态组合：", current_state_str))
    }
    probs <- transition_matrix[current_state_str, ]
    next_state <- sample(names(probs), size = 1, prob = probs)
    
    samples <- c(samples, next_state)
    initial_states <- c(initial_states[-1], next_state)
    current_state_str <- paste(initial_states, collapse = "")
  }
  
  return(samples)
}

测试示例 #

基于你生成的转移矩阵，可按如下方式调用函数：

# 示例：生成长度为50的样本，初始状态设为c("A", "B")
set.seed(123) # 设置随机种子保证结果可复现
initial <- c("A", "B")
generated_samples <- generate_markov_samples(TM, n_order = n, initial_states = initial, sample_length = 50)

# 查看生成的样本
print(generated_samples)

代码说明 #

• 先验证初始状态长度与阶数是否匹配，避免运行错误
• 每次循环将当前n个状态拼接成字符串，匹配转移矩阵的行名
• 使用sample()结合转移概率抽样下一个状态
• 更新状态组合时，移除最左侧的旧状态、加入新状态，始终保持长度为n

该实现完全不依赖第三方包，且能适配任意正整数n值。

内容的提问来源于stack exchange，提问作者Matt 38