Monte Carlo szimuláció hiányzó adatokkal
A hiányzó adatokkal végzett Monte Carlo szimuláció a sztochasztikus szimulációt – valószínűségi eloszlásokból történő véletlen értékek mintavételezése – összeveti az elvont hiányzóadat-kezelési stratégiákkal, mint például a többszörös imputáció. A hiányos rekordok elvetése vagy egyetlen pótló érték helyettesítése helyett a módszer sok szimulált, teljes adattárat generál, futtatja a célanalízist mindegyiken, és összeveti az eredményeket, hogy becsléseket kapjon, amelyek becsületesen tükrözik mind a mintavételi bizonytalanságot, mind a hiányzás miatti bizonytalanságot.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/hu/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.
- Bayes-féle következtetés hiányzó adatokkalBayes-statisztika↔ compare
- Bootstrap szimuláció hiányzó adatokkalBayes-statisztika↔ compare
- Gibbs-mintavételezés hiányzó adatokkalBayes-statisztika↔ compare
- MCMC hiányzó adatokkalBayes-statisztika↔ compare
- Többszörös imputációStatisztika↔ compare
- Szekvenciális Monte CarloBayes-statisztika↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →