Daudzlīmeņu Bootstrap simulācija
Daudzlīmeņu bootstrap simulācija ir atkārtotas izlases (resampling) tehnika, kas paredzēta grupētiem vai hierarhiski strukturētiem datiem. Tā saglabā datu ligzdotās struktūras, neatkarīgi veicot atkārtotu izlasi katrā līmenī — vispirms izvēloties kopas (piemēram, skolas, slimnīcas), pēc tam izvēloties novērojumus katrā izlasītajā kopā — tā, lai bootstrap atkārtojumu datu kopas atspoguļotu tādu pašu daudzlīmeņu organizāciju kā sākotnējie dati.
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
- Efron, B. (1979). Bootstrap methods: Another look at the jackknife. The Annals of Statistics, 7(1), 1–26. DOI: 10.1214/aos/1176344552 ↗
- Davison, A. C. & Hinkley, D. V. (1997). Bootstrap Methods and their Application. Cambridge University Press. ISBN: 978-0521574716
Kā citēt šo lapu
ScholarGate. (2026, June 3). Multilevel Bootstrap Simulation. ScholarGate. https://scholargate.app/lv/bayesian/multilevel-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.
- Bootstrap simulācija ar trūkstošiem datiemBajesa metodes↔ compare
- Gibbs SamplingBajesa metodes↔ compare
- Hierarhiskā Bayesas inferencēšanaBajesa metodes↔ compare
- Daudzlīmeņu MCMCBajesa metodes↔ compare
- Daudzlīmeņu variācijas izziņaBajesa metodes↔ compare
- Sekvenciālā Monte Karlo metodeBajesa metodes↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →