显式持续时间马尔可夫切换模型

马尔可夫切换模型（MSM）是概率模型，采用多组参数来描述时间序列在不同时间段可能表现出的不同动态机制。机制间的切换由构成一阶马尔可夫链的未观测随机变量控制。显式持续时间 MSM 包含额外的变量，显式地对各机制中所停留时间的分布建模。这允许定义任意形式的持续时间分布，也允许在观测之间施加复杂依赖并将动态重置为初始条件。聚焦于前两个性质的模型最常被称为隐半马尔可夫模型或分段模型，而聚焦于第三个性质的模型最常被称为变点模型或重置模型。在本专著中，我们通过将不同方法分类为三组来描述显式持续时间建模，这些组在显式持续时间变量中编码关于机制改变/重置边界的不同信息。使用图模型的形式化描述这些方法，从而可以图形化表示和评估统计依赖性，进而轻松描述复杂模型的结构并推导推断流程。表述力求教学性，侧重于从模型结构约束与推断性质角度刻画这三组。专著附有一个软件包，包含所述大多数模型与示例。所呈现的材料应对希望了解这些模型以及希望进一步开发它们的研究者均有助益。