Monte Carlo Simulatie met Ontbrekende Gegevens
Monte Carlo simulatie met ontbrekende gegevens combineert stochastische simulatie — het trekken van willekeurige waarden uit kansverdelingen — met principiële strategieën voor ontbrekende gegevens, zoals meervoudige imputatie. In plaats van onvolledige records te negeren of een enkele invulwaarde te substitueren, genereert de methode vele gesimuleerde complete datasets, voert de beoogde analyse uit op elk ervan, en bundelt de resultaten om schattingen te verkrijgen die zowel de steekproefonzekerheid als de onzekerheid door ontbrekende gegevens eerlijk weerspiegelen.
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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/nl/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.
- Bayesiaanse inferentie met ontbrekende gegevensBayesiaanse statistiek↔ compare
- Bootstrap-simulatie met ontbrekende gegevensBayesiaanse statistiek↔ compare
- Gibbs-sampling met ontbrekende dataBayesiaanse statistiek↔ compare
- MCMC met ontbrekende dataBayesiaanse statistiek↔ compare
- Multiple ImputationStatistiek↔ compare
- Sequentiële Monte CarloBayesiaanse statistiek↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →