شبیهسازی بوتاسترپ چندسطحی
شبیهسازی بوتاسترپ چندسطحی یک تکنیک نمونهبرداری مجدد است که برای دادههای خوشهای یا ساختاریافته سلسلهمراتبی طراحی شده است. این روش با نمونهبرداری مجدد در هر سطح به طور مستقل، ساختار دادههای تو در تو را حفظ میکند — ابتدا خوشهها (مانند مدارس، بیمارستانها) را انتخاب کرده و سپس مشاهدات را در هر خوشه نمونهبرداری شده انتخاب میکند — به طوری که مجموعه دادههای تکراری بوتاسترپ همان سازماندهی چندسطحی دادههای اصلی را منعکس کنند.
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. (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
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Multilevel Bootstrap Simulation. ScholarGate. https://scholargate.app/fa/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.
- شبیهسازی بوتاسترپ با دادههای گمشدهبیزی↔ compare
- نمونهگیری گیبسبیزی↔ compare
- استنتاج بیزی سلسلهمراتبیبیزی↔ compare
- MCMC چندسطحی (Multilevel MCMC)بیزی↔ compare
- استنتاج بایزی سطوح متعددبیزی↔ compare
- مونتکارلوی ترتیبیبیزی↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →