Simulasi Monte Carlo dengan Data Hilang

Simulasi Monte Carlo dengan data hilang menggabungkan simulasi stokastik — menarik nilai rawak daripada taburan kebarangkalian — dengan strategi data hilang yang berprinsip seperti imputasi berganda. Berbanding membuang rekod yang tidak lengkap atau menggantikannya dengan satu nilai isian, kaedah ini menjana banyak set data lengkap yang disimulasikan, menjalankan analisis sasaran pada setiap satu, dan menggabungkan keputusan untuk menghasilkan anggaran yang secara jujur mencerminkan ketidakpastian pensampelan dan ketidakpastian akibat kehilangan data.