java马尔可夫生成与概率

Question

一段时间以来，我一直在研究马尔可夫链的各种实现，我只想澄清这些链的一般化

新一代

如果我想生成一个长度为n的序列，我们只需从初始概率中采样，然后取刚刚生成的这个状态来找到转移矩阵的行，然后执行n-1次？ 如果初始样本的状态是“A”，我们就用转移矩阵的“A”行作为下一个样本的种子

{I在R中有一个马尔可夫链的实现，其中每个迭代、初始矩阵和转移矩阵都相乘，初始矩阵与转移矩阵相乘，转移矩阵自身与转移矩阵相乘。 在何处或何时应用此矩阵乘法生成链？有人告诉我，经过多次重复之后，这些用于确定状态值。。。。但这些重复是什么？我只想为特定长度的序列生成状态，如果我根据原始/输入序列中的核苷酸频率从转换矩阵中取样，那么这种重复会发生在哪里？}-按下面的biziclop排序

用户进入概率

我在这里看到了几个实现

输入-“ACGT”

p（ACGT）=p（A）*p（C | A）*p（G | C）*p（T | G）

这是否意味着p（A）来自初始/开始概率，而条件概率（p（C | A）等）来自转移矩阵

或者这意味着这里有一个最大估计，其中p（a）=#a/#核苷酸？ 因此P（C | A）=C的/#A的

如果转换中的条目为零，那么我们是否使用拉普拉斯估计或其他形式的伪计数来解决这个问题

如果是，在哪里应用伪计数？ 转移矩阵的每个条目都会得到额外的计数吗？如果我们使用转移矩阵来生成概率，那么伪计数必须加在这里。。。。没有

讨论会很有帮助。不需要给出任何代码或数学公式