R语言马尔可夫链模拟代码疑问：状态生成逻辑与非正整数适配

首先贴出你提供的带注释的原代码：

#==================================================================
# markov(init,mat,n,states) = Simulates n steps of a Markov chain
#------------------------------------------------------------------
# init = initial distribution
# mat = transition matrix
# labels = a character vector of states used as label of data-frame;
# default is 1, .... k
#-------------------------------------------------------------------
markov <- function(init,mat,n,labels) {
 if (missing(labels)) # check if 'labels' argument is missing
 {
 labels <- 1:length(init) # obtain the length of init-vecor, and number them accordingly.
 }
 simlist <- numeric(n+1) # create an empty vector of 0's
 states <- 1:length(init)# ???? use the length of initial distribution to generate states.
 simlist[1] <- sample(states,1,prob=init) # sample function returns a random permutation of a vector.
 # select one value from the 'states' based on 'init' probabilities.
 for (i in 2:(n+1)) {
 simlist[i] <- sample(states, 1, prob = mat[simlist[i-1],]) # simlist is a vector.
 # so, it is selecting all the columns
 # of a specific row from 'mat'
 }
 labels[simlist]
}
#==================================================================

针对你的两个技术问题，我来逐一解答：

1. 为何使用states <- 1:length(init)语句生成状态集合？ #

这里的states本质是状态的索引值，而非实际状态标签，这么写的原因很直接：

• R中矩阵的索引默认依赖整数，转移矩阵mat的行对应当前状态、列对应下一个状态，用连续正整数做索引能快速通过mat[simlist[i-1],]定位到当前状态对应的转移概率向量。
• init的长度等于马尔可夫链的状态总数，1:length(init)刚好生成从1到状态数的连续整数，完美适配矩阵的行/列索引规则。
• 原代码最后通过labels[simlist]把索引映射回用户需要的状态标签，实现了“核心抽样逻辑”和“状态标签展示”的分离，让代码更简洁易维护。

2. 若实际状态集合为S = {-1, 0, 1, 2,...}这类非连续正整数集合时，该代码应如何调整适配？ #

要适配非连续甚至非正整数的状态集合，核心是把“整数索引操作”改成“实际状态值操作”，同时保证转移矩阵和初始分布与状态集合严格对应。下面是调整后的完整代码及说明：

markov_custom <- function(init, mat, n, labels) {
  # 确定实际状态集合：优先用init的命名，其次用labels，避免无意义的默认值
  if (!is.null(names(init))) {
    states <- names(init)
    if (!missing(labels)) states <- labels
  } else {
    if (missing(labels)) {
      stop("请传入labels参数指定实际状态集合，或给init设置命名向量")
    } else {
      states <- labels
    }
  }
  
  # 校验转移矩阵的行/列名与状态集合匹配，避免抽样时索引错误
  if (!all(rownames(mat) == states) || !all(colnames(mat) == states)) {
    stop("转移矩阵的行名和列名必须与状态集合完全一致")
  }
  
  # 根据状态类型初始化模拟结果向量（数值/字符）
  simlist <- if (is.numeric(states)) numeric(n+1) else character(n+1)
  
  # 初始状态抽样：直接使用实际状态值
  simlist[1] <- sample(states, 1, prob = init)
  
  # 迭代抽样后续状态
  for (i in 2:(n+1)) {
    current_state <- simlist[i-1]
    # 用实际状态值索引转移矩阵的行，获取对应概率
    simlist[i] <- sample(states, 1, prob = mat[current_state, ])
  }
  
  simlist
}

关键调整点说明： #

1. 状态集合的灵活定义：

   • 支持通过init的命名向量（比如init = c(-1=0.2, 0=0.5, 1=0.3)）直接获取实际状态，也可以通过labels参数传入（比如labels = c(-1,0,1)）。
   • 增加参数校验，确保转移矩阵的行/列名与状态集合一致，避免出现抽样错误。

2. 抽样逻辑的修改：

   • 不再依赖整数索引，直接用实际状态值作为sample的候选值，同时用状态值索引转移矩阵的行（需提前给转移矩阵设置对应行名）。
   • 根据状态类型（数值/字符）初始化结果向量，保证输出类型符合预期。

使用示例： #

# 定义非连续状态集合{-1,0,1}
init <- c(-1=0.2, 0=0.5, 1=0.3) # 命名向量，对应每个状态的初始概率
# 定义转移矩阵，行/列名设置为实际状态
transition_mat <- matrix(
  c(0.1, 0.6, 0.3,
    0.2, 0.5, 0.3,
    0.4, 0.4, 0.2),
  nrow = 3, byrow = TRUE,
  dimnames = list(c("-1","0","1"), c("-1","0","1"))
)

# 模拟5步马尔可夫链
sim_result <- markov_custom(init, transition_mat, n=5)
print(sim_result)
# 输出示例：[1]  0  0 -1  0  1  0

内容的提问来源于stack exchange，提问作者user366312