Simulazione Monte Carlo con Dati Mancanti
La simulazione Monte Carlo con dati mancanti combina la simulazione stocastica — estrazione di valori casuali da distribuzioni di probabilità — con strategie basate su principi per la gestione dei dati mancanti, come l'imputazione multipla. Invece di scartare record incompleti o sostituire un singolo valore di riempimento, il metodo genera molti set di dati completi simulati, esegue l'analisi target su ciascuno e aggrega i risultati per fornire stime che riflettano onestamente sia l'incertezza campionaria sia l'incertezza dovuta alla mancanza di dati.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/it/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.
- Inferenza Bayesiana con Dati MancantiBayesiano↔ compare
- Simulazione Bootstrap con Dati MancantiBayesiano↔ compare
- Campionamento di Gibbs con dati mancantiBayesiano↔ compare
- MCMC con dati mancantiBayesiano↔ compare
- Multiple ImputationStatistica↔ compare
- Monte Carlo SequenzialeBayesiano↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →