过渡矩阵:离散->连续时间
我具有对应于Tauchen(1986)的代码(Python的当量此),其产生的一离散时间AR(1)处理的离散近似。 例如,如果将网格尺寸设置为3,则可以得出生产率的矢量 [A_1, A_2, A_3,] 和转移概率矩阵 A_11, A_12, A_13 A_21, A_22, A_23 A_31, A_32, A_33 在row i,column的情况下j,您可以从转换i为j,并且满足每行总和约为1的要求。 我想知道如何将其转换为等效于转换矩阵的连续时间。一组控制状态之间流速的泊松概率。 在这方面,我所记得的是,我们可以使用以下方法获得泊松概率的线性近似 Prob(i→j)=limΔ→0exp(−λijΔ)≈1−λijΔProb(i→j)=limΔ→0exp(−λijΔ)≈1−λijΔProb(i \to j) = \lim_{\Delta\to0} \exp(-\lambda_{ij}\Delta) \approx 1-\lambda_{ij}\Delta 但是我看不到如何帮助我将以前的矩阵转换为λλ\lambda s ...我期待任何建议。