private double PhiHelper(double t, int j, int k, int l)
{
//object helper_result = null;
double result = 0;
PiParams piParams = CDFParams[j, k, l];
if (piParams.ExpLambda > 0)
{
double denominator = 1;
for (int i = 0; i < M; i++)
{
PiParams piParamsI = CDFParams[i, k, l];
if (piParamsI.ExpLambda > 0)
{
denominator += Exponential.CDF(piParamsI.ExpLambda, t) * piParamsI.Norm; //!!!!!!!!!!!!!!! + -> -
}
}
result = Exponential.PDF(piParams.ExpLambda, t) * piParams.Norm / denominator;
}
return(result);
}
public void CDFParamsEstimate()
{
// i ->j, j->k, k->l
//double[, ,] pi = new double[Observations.Count, Observations.Count, States.Count]; //условные вероятности переключения наблюдений при фиксированном состоянии
//Pi[j,k,l] = P{Yn = fj | Yn-1 = fk, Xn-1 = el} // P{Yn = fi | Yn-1 = fj, Xn-1 = ek}
PiParams[,,] result = new PiParams[Observations.Count, Observations.Count, States.Count]; //условные вероятности переключения наблюдений при фиксированном состоянии
int[,,] N = new int[Observations.Count, Observations.Count, States.Count]; //количество соотвествующих сэмплов
int prevState = -1;
int prevObs = -1;
double previousStateChangeInstant = 0;
foreach (Sample sample in ModelSamples) //бежим по сэмплам
{
if (prevState >= 0 && prevObs >= 0)
{
N[sample.ObservationNumber, prevObs, prevState]++;
if (sample.Frame.ReceptionDuration > 0.0000001)
{
GammaSamples[sample.ObservationNumber, prevObs, prevState].Add(sample.Frame.ReceptionDuration);
}
else
{
GammaSamples[sample.ObservationNumber, prevObs, prevState].Add(0.0000001);
}
if (sample.StateNumber != prevState)
{
TimeInStateSamples[prevState].Add(sample.Instant - previousStateChangeInstant);
previousStateChangeInstant = sample.Instant;
}
}
prevState = sample.StateNumber;
prevObs = sample.ObservationNumber;
}
for (int l = 0; l < States.Count; l++)
{
for (int k = 0; k < Observations.Count; k++)
{
int sum = 0;
for (int j = 0; j < Observations.Count; j++)
{
sum += N[j, k, l];
}
for (int j = 0; j < Observations.Count; j++)
{
double norm = 0;
if (sum > 0) // если 0, то очень фигово оценивается распределение
{
norm = (double)N[j, k, l] / (double)sum;
}
else
{
norm = 0;
}
double[] res = { 0, 0 };
double lambdares = 0;
if (GammaSamples[j, k, l].Count > 0) // если 0, то очень фигово оценивается распределение при Count = 1 или 2
{
res = GammaFit(GammaSamples[j, k, l].ToArray());
lambdares = ExpFit(GammaSamples[j, k, l].ToArray());
//result[j, k, l].Gamma = new GammaParams(res[0], res[1]);
}
result[j, k, l] = new PiParams(norm, new GammaParams(res[0], res[1]));
result[j, k, l].ExpLambda = 1 / lambdares;
}
}
TimesInStateCDFParams[l] = ExpFit(TimeInStateSamples[l].ToArray());
}
CDFParams = result;
}
