概率向量的马尔可夫链转移矩阵

Question

完整的data.frame概述：

'data.frame':   29 obs. of  3 variables:
$ FirmDatum : Date, format: "1982-12-31" "1983-03-31" "1983-06-30" ...
$ fittedSurv: num  0.884 0.839 0.779 0.746 0.817 ...
$ Rating    : chr  "Aa" "Aaa" "B" "Bb" ...

列fittedSurv包含概率，列Rating对应于该时间点的概率（ fittedSurv ）。

对于马尔可夫链转移矩阵，我需要其他列。 仅对概率的单列（向量）进行重采样不会单独完成。

就推理而言，最有效的方法是什么？
关于正确的R包的可能指示就足够了-例如一个奖励。

@乔纳森 可能是这样。 但是我怀疑随时间变化的概率可能会被引导，或者概率向量会重新采样，从而创建有意义的概率列。 就像是：

A <- data.frame(X=FrameTs$Rating)
B <- data.frame(replicate(20, sample(as.character(A$X), size=100, replace = TRUE)))

Answer 1

可能的解决方案（我不信任）是：

A <- data.frame(X=FrameTs$Rating)
w <- FrameTs$fittedSurv/sum(FrameTs$fittedSurv)
B <- data.frame(replicate(10, sample(as.character(A$X), size=10, replace = TRUE, prob=w)))

在给出概率的情况下产生相等加权的矩阵：

   X1 X2 X3 X4 X5 X6 X7 X8 X9 X10
1   A  A  A  A  A  A  B  A  B   B
2   B  A  A  A  A  A  A  A  A   A
3   A  A  A  B  C  A  A  B  B   A
4   A  A  A  A  A  A  A  A  A   A
5   B  A  A  A  B  A  A  A  A   B
6   A  A  B  B  B  A  A  B  A   A
......and so on...

Of course the matrix B size can be extended via replicate(1000, sample(...

基于此“概率”矩阵（等级），有可能获得马尔可夫转移矩阵。 （包装msm等）。 输出数据似乎是直观且正确的，但我不相信这种方法