المحاكاة بنهج مونت كارلو مع البيانات المفقودة
تجمع المحاكاة بنهج مونت كارلو مع البيانات المفقودة بين المحاكاة العشوائية — سحب قيم عشوائية من توزيعات احتمالية — واستراتيجيات البيانات المفقودة المبدئية مثل الاستكمال المتعدد. بدلاً من التخلص من السجلات غير المكتملة أو استبدالها بقيمة تعويضية واحدة، تقوم الطريقة بإنشاء العديد من مجموعات البيانات الكاملة المحاكاة، وتشغيل التحليل المستهدف على كل منها، وتجميع النتائج لتقديم تقديرات تعكس بصدق عدم اليقين الناتج عن أخذ العينات وعدم اليقين الناتج عن الفقد.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
- van Buuren, S. (2018). Flexible Imputation of Missing Data (2nd ed.). CRC Press / Chapman & Hall. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/ar/bayesian/monte-carlo-simulation-with-missing-data
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- الاستدلال البايزي مع البيانات المفقودةبايزي↔ compare
- محاكاة البوتستراب مع البيانات المفقودةبايزي↔ compare
- أخذ العينات بجيبس مع البيانات المفقودةبايزي↔ compare
- الاستمثال البايزي المتسلسل مع البيانات المفقودةبايزي↔ compare
- الاستيفاء المتعددالإحصاء↔ compare
- مونت كارلو التسلسليبايزي↔ compare