Simulace Monte Carlo s chybějícími daty
Simulace Monte Carlo s chybějícími daty kombinuje stochastickou simulaci — tahání náhodných hodnot z pravděpodobnostních distribucí — s principielními strategiemi pro chybějící data, jako je vícenásobná imputace. Místo zahazování neúplných záznamů nebo nahrazování jedinou vyplněnou hodnotou tato metoda generuje mnoho simulovaných úplných datových sad, provádí na každé cílovou analýzu a výsledky sdružuje, aby poskytla odhady, které poctivě odrážejí jak nejistotu vzorkování, tak nejistotu plynoucí z chybějících dat.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/cs/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.
- Bayesovská inference s chybějícími datyBayesovská statistika↔ compare
- Simulace metodou bootstrap s chybějícími datyBayesovská statistika↔ compare
- Gibbsův vzorkovač s chybějícími datyBayesovská statistika↔ compare
- MCMC s chybějícími datyBayesovská statistika↔ compare
- Vícenásobná imputaceStatistika↔ compare
- Sekvenční Monte CarloBayesovská statistika↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →