Java 马尔可夫生成与概率

一段时间以来，我一直在研究马尔可夫链的各种实现，我只想澄清这些链的一般化

新一代

如果我想生成一个长度为n的序列，我们只需从初始概率中取样，然后取这个刚生成的状态来找到转移矩阵的行，然后做n-1次？ 如果初始样本的状态是“A”，我们就用转移矩阵的“A”行作为下一个样本的种子

{I在马尔可夫链的R中有一个实现，其中每次迭代，初始矩阵和转移矩阵相乘，初始矩阵与转移矩阵相乘，转移矩阵本身与转移矩阵相乘。 在何处或何时应用矩阵乘法生成链？我被告知，这些用于确定重复次数后的状态值……但这些重复是什么？我只想生成特定长度序列的状态，如果我从转换矩阵，基于原始/输入序列中的核苷酸频率？}-按下面的biziclop排序

用户进入概率

我在这里看到了几个实现

输入-“ACGT”

p（ACGT）=p（A）*p（C | A）*p（G | C）*p（T | G）

这是否意味着p（A）来自初始/开始概率，而条件概率（p（C | A）等）来自转移矩阵

或者这意味着这里有一个最大估计，其中p（a）=#a/#核苷酸？ 因此P（C | A）=C的/#A的

如果转换中的条目为零，那么我们是否使用拉普拉斯估计或其他形式的伪计数来解决这个问题

如果是，在哪里应用伪计数？ 转移矩阵的每个条目都会得到额外的计数吗？如果我们使用转移矩阵来生成概率，那么伪计数必须加在这里……不是吗

---

讨论会很有帮助。不需要给出任何代码或数学运算。

如果要单独生成

n

th元素，而不生成之前的所有元素，则需要将矩阵相乘。想象一下试图回答这个问题：“第100个核苷酸成为A的概率是多少？”你要做的是取初始向量，然后将其与转移矩阵相乘99次，然后从最终向量读取A的结果。@bizclop-谢谢你的回答，这确实澄清了矩阵相乘的方面