我有一个 1/0 的序列，表示患者是否处于缓解状态，
假设缓解记录是在离散时间采集的，
我如何检查每个患者的马尔可夫属性，然后总结调查结果，即假设任何患者在任何时候缓解的概率仅取决于患者上次缓解/上次没有缓解（与事情相同）就像说任何患者在任何时候缓解的概率仅取决于患者在前一行是否有缓解，如果不是第一次观察的话）
P(r=1 at t=t+1|r=1 at t)=p(r=1 at t+1|r=1 at t, r=0 at t=t-1, r=1 at t =t-2, r=1 在 t=t-3)
如果您了解马尔可夫属性，则易于理解
这是我的 df 的摘录
患者 ID 缓解
ju67 1
ju67 0
ju67 0
ju88 1
ju88 1
ju23 1
ju23 0
有任何想法吗？使用所需条件对数据框进行子集化，然后使用“msm”包或（可能更好的方法）仅查看状态转换表来计算概率，但我该怎么做，对于数据框的子集，我需要例如只包括患者三个连续的 0 处于缓解状态（包括 0 现在处于缓解状态）并将其与两个连续 0 处于缓解状态（包括 0 现在处于缓解状态）的数据帧的子集进行比较 -