Monte Carlo-simulering med manglende data
Monte Carlo-simulering med manglende data kombinerer stokastisk simulering — trækning af tilfældige værdier fra sandsynlighedsfordelinger — med principielle strategier for manglende data, såsom multipel imputation. I stedet for at kassere ufuldstændige poster eller substituere en enkelt udfyldningsværdi, genererer metoden mange simulerede komplette datasæt, udfører den påtænkte analyse på hver af dem og samler resultaterne for at give estimater, der ærligt afspejler både usikkerhed fra stikprøveudtagning og usikkerhed på grund af manglende data.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/da/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.
- Bayesiansk inferens med manglende dataBayesiansk↔ compare
- Bootstrap-simulering med manglende dataBayesiansk↔ compare
- Gibbs Sampling med manglende dataBayesiansk↔ compare
- MCMC med manglende dataBayesiansk↔ compare
- Multiple ImputationStatistik↔ compare
- Sekventiel Monte CarloBayesiansk↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →