R 一天中每分钟一项活动到另一项活动的转移概率，如从工作到旅行

下面是我用来计算活动之间转移概率的矩阵示例（从act1_1到act1_16）

主管（活动）将返回 a tibble:6x145

  serial act1_1 act1_2 act1_3 act1_4 act1_5 act1_6 act1_7 act1_8 act1_9  act1_10
     1  110    110    110    110    110    110    110    110    110    110    
     2 110    110    110    110    110    110    110    110    110    110    
     3 110    110    110    110    110    110    110    110    110    110    
     4 110    110    110    110    110    110    110    110    110    110    
     5 110    110    110    110    110    110    110    110    110    110    
     6 110    110    110    110    110    110    110    110    110    110    

# ... with 134 more variables: act1_11 <dbl+lbl>, act1_12 <dbl+lbl>,

系列行动1行动1行动2行动1行动3行动1行动4行动5行动1行动6行动7行动1行动8行动1行动9行动10
1  110    110    110    110    110    110    110    110    110    110    
2 110    110    110    110    110    110    110    110    110    110    
3 110    110    110    110    110    110    110    110    110    110    
4 110    110    110    110    110    110    110    110    110    110    
5 110    110    110    110    110    110    110    110    110    110    
6 110    110    110    110    110    110    110    110    110    110    
# ... 还有134个变量：act1_11，act1_12，

“活动”矩阵的维度为ncol=144，nrows=16533；act1_1…ac1_144是时间步长，时间以10分钟的间隔表示（例如act1_1=4.10am；act1_2=4.20am..）。时间从凌晨4点（act1_1）开始，到act1_144（凌晨4点）结束。栏目中充满了不同的活动，如110=睡觉，111=看电视，123=吃饭等

下面是我用来：

---

transition.matrix使用
apply
和
rep（…，每个=10）

假设您的数据如您所说，则以下命令将数据帧从一个包含145列的帧（一个24小时周期内串行+144个10分钟间隔）扩展为一个包含1441列的帧（一个24小时周期内串行+1440个1分钟间隔）

活动1我认为函数的最后一行应该返回
t
@Edward true这是一个错误，代码应该是ttAh-yes。这更有意义答案更新。我不太理解“平行活动”或“二级、三级…”。你是说在给定的时间间隔内有两个或两个以上的活动吗？喜欢同时看电视和睡觉吗？不可能！马尔可夫理论说，在任何给定的时间，你只能处于一种状态。如果您确实想这样做，那么创建/定义另一个活动：110.111（“睡眠+看电视”）。
transition.matrix <- function(X, prob=T)
{
    tt <- table( c(X[,-ncol(X)]), c(X[,-1]) )
    if(prob) t <- tt / rowSums(tt)
    tt
}
I call the function as:

transitionfunction <- trans.matrix(as.matrix(Activities))

Activities1 <- data.frame(Activities[,1], 
                          t(apply(Activities[,-1], 1, FUN=rep, each=10)))

names(Activities1) <- c("serial", paste("act1", seq_len(1440), sep="_"))
dim(Activities1)
#[1] 16533  1441

transition.matrix <- function(X, prob=T)
{
  tt <- table( c(X[,-ncol(X)]), c(X[,-1]) )
  if(prob) tt <- tt / rowSums(tt)
  tt
}

transitionfunction <- transition.matrix(as.matrix(Activities[,-1]))
transitionfunction

#       110   111   123
# 110 0.334 0.332 0.333
# 111 0.334 0.333 0.332
# 123 0.332 0.333 0.335

transitionfunction <- transition.matrix(as.matrix(Activities1[,-1]))
transitionfunction

 #       110    111    123
 # 110 0.9338 0.0331 0.0331
 # 111 0.0332 0.9337 0.0331
 # 123 0.0331 0.0331 0.9338

n <- 16533
ncol <- 144    
set.seed(404)

Activities <- data.frame(serial=1:n,
                           matrix(sample(c(110,111,123), size=n*ncol, replace=TRUE), ncol=144))
dim(Activities)
names(Activities) <- c("serial", paste("act1", 1:ncol, sep="_"))

Activities[1:6, 1:11]
  serial act1_1 act1_2 act1_3 act1_4 act1_5 act1_6 act1_7 act1_8 act1_9 act1_10
1      1    111    123    110    110    111    111    111    110    110     110
2      2    123    111    123    110    111    123    123    110    111     110
3      3    111    111    111    111    123    111    123    123    110     123
4      4    123    111    110    111    111    110    123    110    111     111
5      5    110    123    110    111    110    110    111    110    123     111
6      6    111    111    111    123    123    110    123    111    110     123