Bayesian methodsBayesian / computational
欠損データを伴うモンテカルロシミュレーション
欠損データを伴うモンテカルロシミュレーションは、確率分布からの乱数生成(確率的シミュレーション)と、多重代入などの原則に基づいた欠損値処理戦略を組み合わせたものである。不完全なレコードを破棄したり、単一の補完値を代入したりする代わりに、この手法は多数のシミュレートされた完全なデータセットを生成し、それぞれに対して目的の分析を実行し、結果をプールすることで、標本抽出の不確実性と欠損に起因する不確実性の両方を正直に反映する推定値を得る。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/ja/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.
- 欠損値を含むベイズ推論ベイズ↔ compare
- 欠損データを含むブートストラップシミュレーションベイズ↔ compare
- 欠損値を有するギブスサンプリングベイズ↔ compare
- 欠損値を含むMCMC (MCMC with missing data)ベイズ↔ compare
- Multiple Imputation統計学↔ compare
- 逐次モンテカルロ法ベイズ↔ compare