شبیهسازی بوتاسترپ با دادههای گمشده
شبیهسازی بوتاسترپ با دادههای گمشده، برآورد واریانس مبتنی بر نمونهگیری مجدد را با مدیریت اصولی مشاهدات ناقص ترکیب میکند. این روش به جای حذف موارد یا فرض کامل بودن دادهها، جایگزینی یا وزندهی را مستقیماً در حلقه بوتاسترپ ادغام میکند و عدم قطعیت اضافی ناشی از فقدان داده را به خطاهای استاندارد و فواصل اطمینان نهایی منتقل میکند.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Bootstrap Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/fa/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.
- استنتاج بیزی با دادههای گمشدهبیزی↔ compare
- نمونهگیری گیبس با دادههای گمشدهبیزی↔ compare
- شبیهسازی مونت کارلو با دادههای گمشدهبیزی↔ compare
- چندگانه سازیآمار↔ compare
- مونت کارلو متوالی با دادههای گمشدهبیزی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →