Monte Carlo Simulation with Missing Data
Monte Carlo simulation with missing data combines stochastic simulation — drawing random values from probability distributions — with principled missing-data strategies such as multiple imputation. Instead of discarding incomplete records or substituting a single fill-in value, the method generates many simulated complete datasets, runs the target analysis on each, and pools the results to yield estimates that honestly reflect both sampling uncertainty and uncertainty due to missingness.
Izvorni zapis
Citati kopirani doslovno iz izvornog zapisa metode. Ne impliciraju nikakvu provjeru na razini tvrdnje.
- 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. · URL
Uređene tvrdnje
Tvrdnje pohranjene u knjigu dokaza, svaka s vlastitom procjenom.
Ovaj prikaz ne izmišlja procjenu tvrdnje kada knjiga dokaza nema nijednu.
Povezane metode
Generirano iz grafa metode i prikazano kao strojno predložene relacije — ne implicira se nikakva tvrdnja dokaza.