Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.
son ejemplos de procesos estocásticos, procesos que generan secuencias aleatorias de resultados o estados de acuerdo con ciertas probabilidades.Procesos de Markov Los procesos de Markov se distinguen por no tener memoria: su siguiente estado depende sólo de su estado actual, no de la historia que los llevó allí. Los modelos de procesos de Markov se utilizan en una amplia variedad de aplicaciones, desde los precios diarios de las acciones hasta las posiciones de los genes en un cromosoma. tratar de recuperar la secuencia de estados que generaron un conjunto determinado de datos observados.Modelos de Markov Ocultos (HMM)
hmmdecode | Hidden Markov model posterior state probabilities |
hmmestimate | Hidden Markov model parameter estimates from emissions and states |
hmmgenerate | Hidden Markov model states and emissions |
hmmtrain | Hidden Markov model parameter estimates from emissions |
hmmviterbi | Hidden Markov model most probable state path |
Modelos de Markov Ocultos (HMM)
Estimar modelos Markov a partir de datos.
Markov chains are mathematical descriptions of Markov models with a discrete set of states.