Symulacja bootstrapowa z brakującymi danymi
Symulacja bootstrapowa z brakującymi danymi łączy estymację wariancji opartą na ponownym próbkowaniu z metodycznym podejściem do niekompletnych obserwacji. Zamiast usuwać przypadki lub zakładać kompletność danych, metoda integruje imputację lub ważenie bezpośrednio w pętli bootstrapowej, propagując dodatkową niepewność wynikającą z braków danych do końcowych błędów standardowych i przedziałów ufności.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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
Jak cytować tę stronę
ScholarGate. (2026, June 3). Bootstrap Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/pl/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.
- Bayesowska inferencja przy brakujących danychStatystyka bayesowska↔ compare
- Próbkowanie Gibbsa z brakującymi danymiStatystyka bayesowska↔ compare
- Symulacja metodą Monte Carlo z brakującymi danymiStatystyka bayesowska↔ compare
- Uzupełnianie wielokrotneStatystyka↔ compare
- Sekwencyjne metody Monte Carlo z brakującymi danymiStatystyka bayesowska↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →