Bootstrap-simulatie met ontbrekende gegevens
Bootstrap-simulatie met ontbrekende gegevens combineert resampling-gebaseerde variantieschatting met principieel omgaan met incomplete observaties. In plaats van gevallen te verwijderen of volledige gegevens aan te nemen, integreert de methode imputatie of weging direct in de bootstrap-lus, waardoor de extra onzekerheid als gevolg van ontbrekende gegevens wordt doorgegeven aan de uiteindelijke standaardfouten en betrouwbaarheidsintervallen.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- Efron, B. & Tibshirani, R. J. (1993). An Introduction to the Bootstrap. Chapman and Hall/CRC. ISBN: 978-0412042317
- Little, R. J. A. & Rubin, D. B. (2019). Statistical Analysis with Missing Data (3rd ed.). Wiley. ISBN: 978-0470526798
Deze pagina citeren
ScholarGate. (2026, June 3). Bootstrap Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/nl/bayesian/bootstrap-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.
- Bayesiaanse inferentie met ontbrekende gegevensBayesiaanse statistiek↔ compare
- Gibbs-sampling met ontbrekende dataBayesiaanse statistiek↔ compare
- Monte Carlo Simulatie met Ontbrekende GegevensBayesiaanse statistiek↔ compare
- Multiple ImputationStatistiek↔ compare
- Sequentiële Monte Carlo met Ontbrekende DataBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →