Bootstrap-simulering med saknade data
Bootstrap-simulering med saknade data kombinerar omsampningsbaserad variansestimering med principfast hantering av ofullständiga observationer. Istället för att ta bort fall eller anta fullständiga data, integrerar metoden imputation eller viktning direkt i bootstrap-loopen, vilket propagerar den ytterligare osäkerheten på grund av saknade värden till de slutliga standardfelen och konfidensintervallen.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bootstrap Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk inferens med saknade dataBayesiansk statistik↔ compare
- Gibbs-sampling med saknade dataBayesiansk statistik↔ compare
- Monte Carlo-simulering med saknade dataBayesiansk statistik↔ compare
- Multipel imputationStatistik↔ compare
- Sekventiell Monte Carlo med saknade dataBayesiansk statistik↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →