La traducción de esta página aún no se ha actualizado a la versión más reciente. Haga clic aquí para ver la última versión en inglés.

Modelos de Markov ocultos

Modelos de Markov para la generación de datos

Los procesos de Markov son ejemplos de procesos estocásticos (procesos que generan secuencias aleatorias de resultados o estados según determinadas probabilidades). Los procesos de Markov se distinguen porque carecen de memoria (su próximo estado depende solo de su estado actual y no del historial que los ha llevado ahí). Los modelos de procesos de Markov se utilizan en una amplia variedad de aplicaciones, desde las cotizaciones diarias hasta la posición de los genes en el cromosoma. Los modelos de Markov ocultos (MMO) tratan de recuperar la secuencia de estados que han generado un determinado conjunto de datos observados.

Funciones

`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

Temas

Hidden Markov Models (HMM)
Estimate Markov models from data.
Markov Chains
Markov chains are mathematical descriptions of Markov models with a discrete set of states.