Turpināts darbs pie R pakotnes izstrādes, kas tika nosaukta par MMLR, Markova-modulējamās lineārās regresijas parametru novērtēšanai, kura pirmā versija tika ievietota publiskajā repozitorijā CRAN: https://CRAN.R-project.org/package=MMLR))
Tika publicēts raksts “Data Preparation Framework Development for Markov-Modulated Linear Regression Analysis. In: Kabashkin I., Yatskiv I., Prentkovskis O. (eds) Reliability and Statistics in Transportation and Communication. RelStat 2018. Lecture Notes in Networks and Systems, Springer, Cham (Scopus) DOI: 10.1007/978-3-030-12450-2_17, kas ir atrodams pēc https://link.springer.com/chapter/10.1007/978-3-030-12450-2_17.
Markova-modulējamās lineārās regresijas modelis tika secīgi attīstīts. Tika apskatīts gadījums, kad Markova īpašība netiek izpildīta, proti, uzturēšanās laiks katrā stāvoklī nav eksponenciāli sadalīts. Tika veikts mēģinājums attēlot pārejas intensitātes kā eksponenciālo blīvumu konvolūciju, tika izveidota programma, kas iekļāva sevī imitācijas modelēšanu. Darba rezultāti tika prezentēti konferencē “5th International Conference on Advances in Statistics”, kas notika 2019.gada 22.-24. Aprīlī, Atēnās, Grieķijā. Konferences programma ir atrodama http://icasconference.com/program/. Pētījuma iegūtie rezultāti tika atspoguļoti rakstā “Markov-modulated linear regression parameter estimation using a convolution of exponential densities”, kas tika iesniegts publicēšanai.
Kā arī turpinās darbs pie pakotnes MMLR paplašināšanas.
