Multilevel-Bootstrap-Simulation
Die Multilevel-Bootstrap-Simulation ist eine Resampling-Technik, die für geclusterte oder hierarchisch strukturierte Daten entwickelt wurde. Sie bewahrt die verschachtelte Datenstruktur, indem sie auf jeder Ebene unabhängig voneinander resampelt – zuerst werden Cluster (z. B. Schulen, Krankenhäuser) gezogen, dann Beobachtungen innerhalb jedes gezogenen Clusters –, sodass die Bootstrap-Replikationsdatensätze dieselbe multilevel Organisation wie die Originaldaten widerspiegeln.
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. (1979). Bootstrap methods: Another look at the jackknife. The Annals of Statistics, 7(1), 1–26. DOI: 10.1214/aos/1176344552 ↗
- Davison, A. C. & Hinkley, D. V. (1997). Bootstrap Methods and their Application. Cambridge University Press. ISBN: 978-0521574716
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Multilevel Bootstrap Simulation. ScholarGate. https://scholargate.app/de/bayesian/multilevel-bootstrap-simulation
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.
- Bootstrap-Simulation mit fehlenden DatenBayes-Statistik↔ compare
- Gibbs-SamplingBayes-Statistik↔ compare
- Hierarchische Bayes'sche InferenzBayes-Statistik↔ compare
- Multilevel MCMCBayes-Statistik↔ compare
- Multilevel Variational InferenceBayes-Statistik↔ compare
- Sequentielle Monte-Carlo-MethodenBayes-Statistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →