Bootstrap szimuláció hiányzó adatokkal
A bootstrap szimuláció hiányzó adatokkal az újra-mintavételezésen alapuló variancia-becslést kombinálja a hiányos megfigyelések elvont kezelésével. Az esetek törlése vagy a teljes adathalmaz feltételezése helyett a módszer az imputációt vagy a súlyozást közvetlenül integrálja a bootstrap ciklusba, így a hiányosságokból eredő további bizonytalanságot beépíti a végső standard hibákba és konfidencia-intervallumokba.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bootstrap Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle következtetés hiányzó adatokkalBayes-statisztika↔ compare
- Gibbs-mintavételezés hiányzó adatokkalBayes-statisztika↔ compare
- Monte Carlo szimuláció hiányzó adatokkalBayes-statisztika↔ compare
- Többszörös imputációStatisztika↔ compare
- Szekvenciális Monte Carlo szűrés hiányzó adatokkalBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →