Бутстреп-симуляция при наличии пропущенных данных
Бутстреп-симуляция при наличии пропущенных данных сочетает оценку дисперсии на основе ресэмплинга с принципиальным подходом к обработке неполных наблюдений. Вместо удаления случаев или предположения о полноте данных, метод интегрирует импутацию или взвешивание непосредственно в бутстреп-цикл, распространяя дополнительную неопределенность, связанную с пропущенными значениями, на итоговые стандартные ошибки и доверительные интервалы.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bootstrap Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/ru/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.
- Байесовский вывод при наличии пропущенных данныхБайесовские методы↔ compare
- Сэмплирование Гиббса для пропущенных данныхБайесовские методы↔ compare
- Метод Монте-Карло для данных с пропускамиБайесовские методы↔ compare
- Множественная импутацияСтатистика↔ compare
- Последовательный метод Монте-Карло с пропущенными даннымиБайесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →