Многоуровневое бутстреп-моделирование
Многоуровневое бутстреп-моделирование — это метод повторной выборки (resampling technique), разработанный для кластеризованных или иерархически структурированных данных. Он сохраняет вложенную структуру данных, выполняя повторную выборку на каждом уровне независимо: сначала выбираются кластеры (например, школы, больницы), затем выбираются наблюдения внутри каждого выбранного кластера. Таким образом, бутстреп-реплицированные наборы данных отражают ту же многоуровневую организацию, что и исходные данные.
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. (1979). Bootstrap methods: Another look at the jackknife. The Annals of Statistics, 7(1), 1–26. DOI: 10.1214/aos/1176344552 ↗
- Davison, A. C. & Hinkley, D. V. (1997). Bootstrap Methods and their Application. Cambridge University Press. ISBN: 978-0521574716
Как цитировать эту страницу
ScholarGate. (2026, June 3). Multilevel Bootstrap Simulation. ScholarGate. https://scholargate.app/ru/bayesian/multilevel-bootstrap-simulation
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.
- Бутстреп-симуляция при наличии пропущенных данныхБайесовские методы↔ compare
- Сэмплирование по ГиббсуБайесовские методы↔ compare
- Иерархический байесовский выводБайесовские методы↔ compare
- Многоуровневый MCMCБайесовские методы↔ compare
- Многоуровневый вариационный выводБайесовские методы↔ compare
- Последовательный Монте-КарлоБайесовские методы↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →