Simulació Monte Carlo amb Dades Faltants
La simulació Monte Carlo amb dades faltants combina la simulació estocàstica —extreure valors aleatoris de distribucions de probabilitat— amb estratègies principistes per a dades faltants com la imputació múltiple. En lloc de descartar registres incomplets o substituir un valor de farciment únic, el mètode genera molts conjunts de dades complets simulats, executa l'anàlisi objectiu en cadascun i agrupa els resultats per obtenir estimacions que reflecteixin honestament tant la incertesa del mostreig com la incertesa deguda a la manca de dades.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/ca/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.
- Inferència Bayesiana amb Dades FaltantsBayesià↔ compare
- Simulació Bootstrap amb Dades FaltantsBayesià↔ compare
- Gibbs Sampling amb Dades FaltantsBayesià↔ compare
- MCMC amb dades perdudesBayesià↔ compare
- Imputació MúltipleEstadística↔ compare
- Monte Carlo SeqüencialBayesià↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →