Simulation bootstrap avec données manquantes
La simulation bootstrap avec données manquantes combine l'estimation de variance basée sur le rééchantillonnage avec une gestion rigoureuse des observations incomplètes. Plutôt que de supprimer des cas ou de supposer des données complètes, la méthode intègre l'imputation ou la pondération directement dans la boucle bootstrap, propageant ainsi l'incertitude supplémentaire due aux données manquantes dans les erreurs standard et les intervalles de confiance finaux.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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
Comment citer cette page
ScholarGate. (2026, June 3). Bootstrap Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/fr/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.
- Inférence bayésienne avec données manquantesBayésien↔ compare
- Échantillonnage de Gibbs avec données manquantesBayésien↔ compare
- Simulation de Monte-Carlo avec données manquantesBayésien↔ compare
- Imputation MultipleStatistique↔ compare
- Monte Carlo séquentiel avec données manquantesBayésien↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →