Bayesian methodsBayesian / computational
결측치가 있는 몬테카를로 시뮬레이션
결측치가 있는 몬테카를로 시뮬레이션은 확률 분포에서 무작위 값을 추출하는 확률적 시뮬레이션과 다중 대체와 같은 원칙적인 결측값 처리 전략을 결합합니다. 불완전한 기록을 폐기하거나 단일 대체값을 사용하는 대신, 이 방법은 여러 개의 시뮬레이션된 완전한 데이터셋을 생성하고 각 데이터셋에 대해 대상 분석을 수행한 다음 결과를 통합하여 표본 추출 불확실성과 결측으로 인한 불확실성을 모두 정직하게 반영하는 추정치를 산출합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/ko/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.
- 결측 데이터가 있는 베이즈 추론베이지안↔ compare
- 결측치가 있는 부트스트랩 시뮬레이션베이지안↔ compare
- 결측치가 있는 깁스 샘플링베이지안↔ compare
- 결측치가 있는 MCMC베이지안↔ compare
- Multiple Imputation통계학↔ compare
- 순차 몬테카를로 (Sequential Monte Carlo, SMC)베이지안↔ compare