у меня есть последовательность 1/0, указывающая, находится ли пациент в состоянии ремиссии или нет,

предполагать, что записи о ремиссии или нет были взяты в разное время,

как я могу проверить свойство markov для каждого пациента, а затем обобщить результаты, то есть предположение, что вероятность ремиссии для любого пациента в любое время зависит только в том случае, если у пациента была ремиссия в последний раз / не ремиссия в последний раз (то же самое, что и вещь как говорят, вероятность ремиссии для любого пациента в любое время зависит, только если у пациента была ремиссия в предыдущем ряду, хорошо, если не первое наблюдение)

P (r = 1 в момент времени t = t + 1 | r = 1 в момент времени t) = p (r = 1 в момент времени t + 1 | r = 1 в момент времени t, r = 0 в момент времени t = t-1, r = 1 в момент времени t = t-2, r = 1 при t = t-3)

легко понять, если вы понимаете свойство Маркова

это выдержка из моей df

ремиссия пациента

ju67       1

ju67       0

ju67       0

ju88       1

ju88       1

ju23       1

ju23       0

есть идеи? подстановка фрейма данных с необходимыми условиями, а затем вычисление вероятностей с использованием пакета «msm» или (возможно, лучший способ) простого просмотра таблицы переходов состояний будет работать, но как мне это сделать, для подмножеств фрейма данных, например, мне нужно будет включать только пациентов с тремя последовательными 0 в ремиссии (включая 0 в ремиссии сейчас) и сравните это с подмножеством кадра данных с двумя последовательными 0 в ремиссии (включая 0 в ремиссии сейчас) -