Simulacija Monte Carla s nedostajućim podacima
Simulacija Monte Carla s nedostajućim podacima kombinira stohastičku simulaciju – izvlačenje slučajnih vrijednosti iz distribucija vjerojatnosti – s principijelnim strategijama za nedostajuće podatke, kao što je višestruka imputacija. Umjesto odbacivanja nepotpunih zapisa ili zamjene jedinstvenom popunjenom vrijednošću, metoda generira brojne simulirane potpune skupove podataka, provodi ciljanu analizu na svakom od njih i objedinjuje rezultate kako bi se dobile procjene koje pošteno odražavaju i nesigurnost uzorkovanja i nesigurnost zbog nedostajućih podataka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Little, R. J. A. & Rubin, D. B. (2002). Statistical Analysis with Missing Data (2nd ed.). Wiley. ISBN: 978-0471183860
- van Buuren, S. (2018). Flexible Imputation of Missing Data (2nd ed.). CRC Press / Chapman & Hall. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/hr/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.
- Bayesijanska inferencija s nedostajućim podacimaBayesovska statistika↔ compare
- Bootstrap simulacija s nedostajućim podacimaBayesovska statistika↔ compare
- Gibbs Sampling s nedostajućim podacimaBayesovska statistika↔ compare
- MCMC s nedostajućim podacimaBayesovska statistika↔ compare
- Višestruko imputiranjeStatistika↔ compare
- Sekvencijalno Monte CarloBayesovska statistika↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →