Монте Карло симулация с липсващи данни
Монте Карло симулация с липсващи данни съчетава стохастична симулация — извличане на случайни стойности от вероятностни разпределения — с принципни стратегии за справяне с липсващи данни, като например многократно вменяване (multiple imputation). Вместо да отхвърля непълни записи или да замества с една-единствена попълваща стойност, методът генерира множество симулирани пълни набори от данни, изпълнява целевия анализ върху всеки от тях и обединява резултатите, за да получи оценки, които честно отразяват както несигурността от извадката, така и несигурността, дължаща се на липсващи данни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/bg/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.
- Байесовско извод при липсващи данниБейсови методи↔ compare
- Бутстрап симулация при липсващи данниБейсови методи↔ compare
- Gibbs Sampling with Missing DataБейсови методи↔ compare
- MCMC с липсващи данниБейсови методи↔ compare
- Множествена импутацияСтатистика↔ compare
- Последователен Монте КарлоБейсови методи↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →