Hierarchical Bootstrap Simulation
Hierarchical bootstrap simulation ir atkārtotas izlases (resampling) tehnika, kas paredzēta datiem ar ligzdotu vai klasterētu struktūru — studenti skolās, pacienti slimnīcās, atkārtoti mērījumi vienam subjektam. Tā saglabā datus raksturīgo grupējumu, secīgi veicot atkārtotu izlasi katrā hierarhijas līmenī, tādējādi radot izlases sadalījumu, kas pareizi atspoguļo gan starp grupu, gan grupas ietvaros esošo variabilitāti.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Davison, A. C. & Hinkley, D. V. (1997). Bootstrap Methods and their Application. Cambridge University Press. ISBN: 978-0521574716
- Cameron, A. C., Gelbach, J. B. & Miller, D. L. (2008). Bootstrap-based improvements for inference with clustered errors. Review of Economics and Statistics, 90(3), 414-427. DOI: 10.1162/rest.90.3.414 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Hierarchical Bootstrap Simulation. ScholarGate. https://scholargate.app/lv/bayesian/hierarchical-bootstrap-simulation
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.
- Gibbs SamplingBajesa metodes↔ compare
- Hierarhiskā Bayesas inferencēšanaBajesa metodes↔ compare
- Kalman FilterBajesa metodes↔ compare
- Daudzlīmeņu Bootstrap simulācijaBajesa metodes↔ compare
- Sekvenciālā Monte Karlo metodeBajesa metodes↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →