"이전 상태"가 R의 "후속 상태"에 영향을 미치는지 테스트하는 방법

상황을 상상해보십시오. 우리는 3 개의 광산에 대한 역사적 기록 (20 년)을 가지고 있습니다. 은이 있으면 내년에 금을 찾을 확률이 높아 집니까? 그러한 질문을 테스트하는 방법?

여기에 이미지 설명을 입력하십시오

예제 데이터는 다음과 같습니다.

mine_A <- c("silver","rock","gold","gold","gold","gold","gold",
            "rock","rock","rock","rock","silver","rock","rock",
            "rock","rock","rock","silver","rock","rock")
mine_B <- c("rock","rock","rock","rock","silver","rock","rock",
            "silver","gold","gold","gold","gold","gold","rock",
            "silver","rock","rock","rock","rock","rock")
mine_C <- c("rock","rock","silver","rock","rock","rock","rock",
            "rock","silver","rock","rock","rock","rock","silver",
            "gold","gold","gold","gold","gold","gold")
time <- seq(from = 1, to = 20, by = 1)

r time-series hypothesis-testing stochastic-processes

— 라디 슬라 프 나도
소스

전이 행렬 계산에 관심이있을 수 있습니다 .

— Andy W

안녕하세요 @AndyW! 의견 감사합니다. 전환 매트릭스 패키지에 익숙합니다 .makkovchain-markovchainFit (). 전환 행렬의 확률 값을 p- 값으로 사용할 수 있습니까? 가설을 테스트하는 방법이 있습니까? ""은색 "관계가 있습니다. (p- 값 = xx)?

— Ladislav Naďo

@LadislavNado 전환 확률은 p- 값으로 해석 될 수 없습니다 (H0 거부에 대해 아무 것도 알려주지 않음) . p- 값에 대한 자세한 내용은 stats.stackexchange.com/questions/31/… 을 참조하십시오 .

— Tim

데이터 추출 방법에 문제가 있습니다. "실버 : 아니오"및 "골드 : 예"시나리오를 고려하십시오. 논리 조건을 충족하므로 연속 "골드"실행을 계산해야합니다.

하나의 셀이 1에서 14로 수정되면 모델은 다음과 같이 변경됩니다. Coefficients : Estimate Std. 오류 z 값 Pr (> | z |) (절편) -1.2528 0.8018 -1.562 0.118 계수 (c (0, 1)) 1 0.3655 0.8624 0.424 0.672

최선의 시도 : ... @AndyW가 제안한 전이 행렬의 사용법은 아마도 내가 찾고있는 해결책이 아닐 것입니다 (@Tim의 의견에 따라). 그래서 다른 접근법을 시도했습니다. 응답 변수 y와 예측 변수 x가 모두 이진 인 로지스틱 회귀 분석 방법을 다루는 이 링크 를 찾았습니다 .

예에 따르면 내 데이터를 기반으로 2 × 2 테이블을 만들어야합니다.

               gold (yes)  gold (no)
silver (yes)       2           7
silver (no)       14          34

값을 추출한 방법 : 여기에 이미지 설명을 입력하십시오

그리고 모델을 구성하십시오.

response <- cbind(yes = c(2, 14), no = c(7, 34))

mine.logistic <- glm(response ~ as.factor(c(0,1)),
                      family = binomial(link=logit))

summary(mine.logistic)
# Coefficients:
#                     Estimate Std. Error z value Pr(>|z|)
# (Intercept)          -1.2528     0.8018  -1.562    0.118
# as.factor(c(0, 1))1   0.3655     0.8624   0.424    0.672

좋은 해결책입니까? p- 값 (0.673)은 은의 존재가 금을 찾을 확률을 증가시키지 않는다는 것을 의미합니까?

— 라디 슬라 프 나도
소스

이 멋진 차트를 어떻게 생성 했습니까? 티크?

— shadowtalker

안녕 @ ssdecontrol! Inkscape에서 손으로 차트를 만들었습니다.

— Ladislav Naďo

예, 괜찮은 해석입니다. 또한 2x2 테이블의 행을 보면 맨 위 행 (은 : 예)에 9 개의 사례가 있으며 그 중 2 개에 금이 있었으므로 내년에 금의 확률은 2/9 = 0.222입니다. 맨 아래 줄 (은 : 아니요)에는 48 개의 사례가 있으며 그 중 14 개는 내년에 금이 있었으므로 은의 확률은 14 / (14 + 34) = 0.292가 아닙니다. 모든 것을 감안할 때, 은은 당신의 p- 값에서 "통계적으로 유의미하지"않지만 금을 찾을 가능성을 상하게 하는 것처럼 보입니다 .

— Gregor Thomas

또한 코딩을 염두에두고 시작 yes = c(2, 14), no = c(7, 34)하십시오. 즉, Silver : yes를 먼저 두는 것입니다. 그래서 당신이 할 as.factor(c(0, 1))때 0은은에 해당합니다. 그렇습니다. 0.67 p- 값은 silver : yes에서 silver : no로 이동하는 금을 찾을 확률이 작은 양의 범프에 해당합니다.

— Gregor Thomas

마지막 코멘트 : 당신이 하는 전환 행렬을 사용하여. 2, 7, 14, 34 행렬은 전이 행렬입니다.

— Gregor Thomas