public void CompareSameChainTest()
{
var markov = new MarkovChainNotCongenericStatic(2, 0, new MockGenerator());
markov.Teach(testChain, TeachingMethod.Cycle);
var ma = new MarkovMetrics();
Assert.AreEqual(ma.GetArithmeticalMean(markov), ma.GetArithmeticalMean(markov));
}
/// <summary>
/// Calculates arithmetical mean of all probabilities.
/// </summary>
/// <param name="chain">
/// Markov chain.
/// </param>
/// <returns>
/// arithmetical mean of all probabilities.
/// </returns>
public double GetArithmeticalMean(MarkovChainNotCongenericStatic chain)
{
IProbabilityMatrix matrix = chain.PropabilityMatrix;
for (int i = 0; i < chain.Alphabet.Cardinality; i++)
{
int[] array = { i };
matrix.GetProbabilityVector(chain.Alphabet, array);
}
return 0;
}
public void MarkovChainNotCongenericZeroRankTwoTest()
{
// using mock of random generator
IGenerator generator = new MockGenerator();
// rank of markov chain is 2 (each element depends on one previous element)
const int MarkovChainRank = 2;
// heterogeneity is 1 (there are 2 models - for odd and even positions)
const int NoCongenericRank = 0;
// creating markov chain
var markovChain = new MarkovChainNotCongenericStatic(MarkovChainRank, NoCongenericRank, generator);
// length of generated sequence
const int Length = 30;
// teaching markov chain (TeachingMethod.None means there is no preprocessing)
markovChain.Teach(secondTestChain, TeachingMethod.Cycle);
var temp = markovChain.Generate(Length);
/*
* 1. Sequence a a a a a a b a a a b a
* first level (unconditional probability)
*
* a| 10/12 (0,83333) not more than 0,83333|
* b| 2/12 (0,16667) not more than 1|
*
* second level (conditional probability taking into account 1 previous element)
*
* | a | b |
* ---|------|------|
* a |7/9(7)|2/9(2)|
* ---|------|------|
* b |1,0(1)|0,0(0)|
* ---|------|------|
*/
// expected result of generation
var resultTheory = new Chain(30);
resultTheory[0] = (ValueString)"a"; // "a" 0.77;
resultTheory[1] = (ValueString)"a"; // "a" 0.15;
resultTheory[2] = (ValueString)"b"; // "b" 0.96;
resultTheory[3] = (ValueString)"a"; // "a" 0.61;
resultTheory[4] = (ValueString)"a"; // "a" 0.15;
resultTheory[5] = (ValueString)"b"; // "b" 0.85;
resultTheory[6] = (ValueString)"a"; // "a" 0.67;
resultTheory[7] = (ValueString)"a"; // "a" 0.51;
resultTheory[8] = (ValueString)"a"; // "a" 0.71;
resultTheory[9] = (ValueString)"a"; // "a" 0.2;
resultTheory[10] = (ValueString)"a"; // "a" 0.77;
resultTheory[11] = (ValueString)"a"; // "a" 0.15;
resultTheory[12] = (ValueString)"b"; // "b" 0.96;
resultTheory[13] = (ValueString)"a"; // "a" 0.61;
resultTheory[14] = (ValueString)"a"; // "a" 0.15;
resultTheory[15] = (ValueString)"b"; // "b" 0.85;
resultTheory[16] = (ValueString)"a"; // "a" 0.67;
resultTheory[17] = (ValueString)"a"; // "a" 0.51;
resultTheory[18] = (ValueString)"a"; // "a" 0.71;
resultTheory[19] = (ValueString)"a"; // "a" 0.2;
resultTheory[20] = (ValueString)"a"; // "a" 0.77;
resultTheory[21] = (ValueString)"a"; // "a" 0.15;
resultTheory[22] = (ValueString)"b"; // "b" 0.96;
resultTheory[23] = (ValueString)"a"; // "a" 0.61;
resultTheory[24] = (ValueString)"a"; // "a" 0.15;
resultTheory[25] = (ValueString)"b"; // "b" 0.85;
resultTheory[26] = (ValueString)"a"; // "a" 0.67;
resultTheory[27] = (ValueString)"a"; // "a" 0.51;
resultTheory[28] = (ValueString)"a"; // "a" 0.71;
resultTheory[29] = (ValueString)"a"; // "a" 0.2;
Assert.AreEqual(resultTheory, temp);
}
public void MarkovChainNotCongenericOneRangTwoTest()
{
// using mock of random generator
IGenerator generator = new MockGenerator();
// rank of markov chain is 2 (each element depends on one previous element)
const int MarkovChainRank = 2;
// heterogeneity is 1 (there are 2 models - for odd and even positions)
const int NoCongenericRank = 1;
// creating markov chain
var markovChain = new MarkovChainNotCongenericStatic(MarkovChainRank, NoCongenericRank, generator);
// length of generated sequence
const int Length = 12;
// teaching markov chain (TeachingMethod.None means there is no preprocessing)
markovChain.Teach(testChain, TeachingMethod.None);
var temp = markovChain.Generate(Length);
/*
* Внутри неоднородной марковской цепи существует n однородных марковских цепей. n - порядок неоднородности цепи
* порядок данных однородных цепей равен порядку неоднородной цепи
* однородные цепи используются по очереди как при обучении так и при генерации.
*
* В данном тесте внутри неоднородной марковской цепи есть 2 однородные цепи.
* Матрицы переходных вероятностей (в скобках указано кол-во входений при обучении) в них такие
*
* 1. Sequence
* first level (unconditional probability)
*
* a| 1/2 (3) |
* b| 1/3 (2) |
* c| 1/6 (1) |
* d| 0 (0) |
*
* second level (conditional probability taking into account 1 previous element)
*
* | a | b | с | d |
* ---|------|------|------|------|
* a |0,3(1)| 0(0) |0,3(1)|0,3(1)|
* ---|------|------|------|------|
* b |0,5(1)|0,5(1)| 0(0) | 0(0) |
* ---|------|------|------|------|
* c | 1(1) | 0(0) | 0(0) | 0(0) |
* ---|------|------|------|------|
* d | 0(0) | 0(0) | 0(0) | 0(0) |
* ---|------|------|------|------|
*
* 2. Sequence
* first level (unconditional probability)
*
* a| 2/5 (2) |
* b| 1/5 (1) |
* c| 1/5 (1) |
* d| 1/5 (1) |
*
* second level (conditional probability taking into account 1 previous element)
*
* | a | b | с | d |
* ---|------|------|------|------|
* a |0,5(1)| 0(0) |0,5(1)| 0(0) |
* ---|------|------|------|------|
* b | 1(1) | 0(0) | 0(0) | 0(0) |
* ---|------|------|------|------|
* c | 0(0) | 1(1) | 0(0) | 0(0) |
* ---|------|------|------|------|
* d | 0(0) | 1(1) | 0(0) | 0(0) |
* ---|------|------|------|------|
*
*
* During teaching pairs are added as folowing
* |-| |-| |-| |-| |-| <>- In second markov chain
* a d b a a c b b a a c a
* |_| |_| |_| |_| |_| |_| <>- In first markov chain
*
*/
// expected result of generation
var result = new Chain(12);
result.Set((ValueString)"b", 0); // 1 chain. цепь вероятность по первому уровню. выпало 0,77 Получаем b
result.Set((ValueString)"a", 1); // 2 chain. вероятность по второму уровню. выпало 0.15 Получаем a
result.Set((ValueString)"c", 2); // 1 chain. вероятность по второму уровню. выпало 0.96 Получаем с
result.Set((ValueString)"b", 3); // 2 chain. вероятность по второму уровню. выпало 0.61 Получаем b
result.Set((ValueString)"a", 4); // 1 chain. вероятность по второму уровню. выпало 0.15 Получаем a
result.Set((ValueString)"c", 5); // 2 chain. вероятность по второму уровню. выпало 0.85 Получаем c
result.Set((ValueString)"a", 6); // 1 chain. вероятность по второму уровню. выпало 0.67 Получаем a
result.Set((ValueString)"c", 7); // 2 chain. вероятность по второму уровню. выпало 0.51 Получаем c
result.Set((ValueString)"a", 8); // 1 chain. вероятность по второму уровню. выпало 0.71 Получаем a
result.Set((ValueString)"a", 9); // 2 chain. вероятность по второму уровню. выпало 0.2 Получаем a
result.Set((ValueString)"c", 10); // 1 chain. вероятность по второму уровню. выпало 0.77 Получаем с
result.Set((ValueString)"b", 11); // 2 chain. вероятность по второму уровню. выпало 0.15 Получаем b
Assert.AreEqual(result, temp);
}
