Bootstrap-Simulation mit fehlenden Daten
Bootstrap-Simulation mit fehlenden Daten kombiniert resampelbasierte Varianzschätzung mit prinzipienfester Handhabung unvollständiger Beobachtungen. Anstatt Fälle zu löschen oder vollständige Daten anzunehmen, integriert die Methode Imputation oder Gewichtung direkt in die Bootstrap-Schleife und propagiert die zusätzliche Unsicherheit aufgrund von Fehlstellen in die endgültigen Standardfehler und Konfidenzintervalle.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Efron, B. & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. Chapman and Hall/CRC. ISBN: 978-0412042317
- Little, R. J. A. & Rubin, D. B. (2019). Statistical Analysis with Missing Data (3rd ed.). Wiley. ISBN: 978-0470526798
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bootstrap Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/de/bayesian/bootstrap-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.
- Bayes'sche Inferenz bei fehlenden DatenBayes-Statistik↔ compare
- Gibbs Sampling bei fehlenden DatenBayes-Statistik↔ compare
- Monte-Carlo-Simulation bei fehlenden DatenBayes-Statistik↔ compare
- Multiple Imputation – MICEStatistik↔ compare
- Sequentielle Monte-Carlo-Methoden bei fehlenden DatenBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →