Simulasi Monte Carlo dengan Data Hilang
Simulasi Monte Carlo dengan data hilang menggabungkan simulasi stokastik — menarik nilai acak dari distribusi probabilitas — dengan strategi data hilang yang berprinsip seperti imputasi ganda. Alih-alih membuang catatan yang tidak lengkap atau mengganti dengan satu nilai pengisi, metode ini menghasilkan banyak dataset lengkap yang disimulasikan, menjalankan analisis target pada masing-masing, dan menggabungkan hasilnya untuk menghasilkan estimasi yang secara jujur mencerminkan ketidakpastian pengambilan sampel dan ketidakpastian akibat kehilangan data.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/id/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.
- Inferensi Bayesian dengan Data HilangBayesian↔ compare
- Simulasi Bootstrap dengan Data HilangBayesian↔ compare
- Sampling Gibbs dengan Data HilangBayesian↔ compare
- MCMC dengan Data HilangBayesian↔ compare
- Imputasi BergandaStatistika↔ compare
- Monte Carlo SekuensialBayesian↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →