eu tenho uma sequência de 1 / 0's indicando se o paciente está em remissão ou não,

assumir que os registros de remissão ou não foram feitos em momentos discretos,

como posso verificar a propriedade markov para cada paciente e, em seguida, resumir as descobertas, que é a suposição de que a probabilidade de remissão para qualquer paciente a qualquer momento depende apenas se o paciente teve remissão da última vez / não remissão da última vez (o mesmo que a coisa dizer que a probabilidade de remissão para qualquer paciente a qualquer momento depende apenas se o paciente teve remissão na linha anterior, bem, se não a primeira observação)

P (r = 1 em t = t + 1 | r = 1 em t) = p (r = 1 em t + 1 | r = 1 em t, r = 0 em t = t-1, r = 1 em t = t-2, r = 1 em t = t-3)

fácil de entender se você entende a propriedade markov

este é um esforço da minha df

remissão PatientId

ju67       1

ju67       0

ju67       0

ju88       1

ju88       1

ju23       1

ju23       0

alguma ideia? subconfigurar o quadro de dados com as condições necessárias e calcular probabilidades usando o pacote 'msm' ou (provavelmente a melhor maneira) apenas exibir a tabela de transições de estado funcionará, mas como faço isso? Para os subconjuntos do quadro de dados que eu precisaria, por exemplo, para incluir apenas pacientes com três 0 consecutivos em remissão (incluindo 0 em remissão agora) e compará-lo ao subconjunto de um quadro de dados com dois 0 consecutivos em remissão (incluindo 0 em remissão agora) -