Bayesian methodsBayesian / computational

Προσομοίωση Monte Carlo με Ελλιπή Δεδομένα

Η προσομοίωση Monte Carlo με ελλιπή δεδομένα συνδυάζει στοχαστική προσομοίωση — εξαγωγή τυχαίων τιμών από κατανομές πιθανότητας — με αρχές στρατηγικών για ελλιπή δεδομένα, όπως η πολλαπλή τεκμηρίωση. Αντί να απορρίπτονται ατελή αρχεία καταγραφής ή να υποκαθίσταται μία μόνο τιμή συμπλήρωσης, η μέθοδος παράγει πολλά προσομοιωμένα πλήρη σύνολα δεδομένων, εκτελεί την ανάλυση-στόχο σε καθένα και συγκεντρώνει τα αποτελέσματα για να δώσει εκτιμήσεις που αντικατοπτρίζουν με ειλικρίνεια τόσο την αβεβαιότητα δειγματοληψίας όσο και την αβεβαιότητα λόγω της έλλειψης δεδομένων.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

Πηγές

  1. Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
  2. van Buuren, S. (2018). Flexible Imputation of Missing Data (2nd ed.). CRC Press / Chapman & Hall. link

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateMonte Carlo Simulation with Missing Data (Monte Carlo Simulation with Missing Data Handling). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/bayesian/monte-carlo-simulation-with-missing-data · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026