Monte Karlo simulacija sa podacima koji nedostaju
Monte Karlo simulacija sa podacima koji nedostaju kombinuje stohastičku simulaciju — izvlačenje slučajnih vrednosti iz raspodela verovatnoće — sa principijelnim strategijama za podatke koji nedostaju, kao što je višestruka imputacija. Umesto odbacivanja nepotpunih zapisa ili supstitucije jedne popunjene vrednosti, metoda generiše mnogo simuliranih kompletnih skupova podataka, sprovodi ciljanu analizu na svakom od njih i objedinjuje rezultate kako bi se dobile procene koje iskreno odražavaju i neizvesnost uzorkovanja i neizvesnost usled nedostajanja podataka.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/sr/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.
- Bejzovsko inferisanje sa nedostajućim podacimaBajesovska statistika↔ compare
- Butstrap simulacija sa podacima koji nedostajuBajesovska statistika↔ compare
- Gibbs Sampling sa nedostajućim podacimaBajesovska statistika↔ compare
- MCMC sa nedostajućim podacimaBajesovska statistika↔ compare
- Višestruka imputacijaStatistika↔ compare
- Sekvenciјalni Monte KarloBajesovska statistika↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →