การจำลองแบบบูตสแตรปกับข้อมูลที่ขาดหายไป
การจำลองแบบบูตสแตรปกับข้อมูลที่ขาดหายไป (Bootstrap simulation with missing data) เป็นการผสมผสานการประมาณค่าความแปรปรวนด้วยการสุ่มตัวอย่างซ้ำ (resampling) เข้ากับการจัดการข้อมูลที่ไม่สมบูรณ์อย่างมีหลักการ แทนที่จะลบกรณีข้อมูลออกหรือสมมติว่าข้อมูลสมบูรณ์ วิธีการนี้จะรวมการแทนค่า (imputation) หรือการถ่วงน้ำหนัก (weighting) เข้าไปในวงรอบการสุ่มตัวอย่างแบบบูตสแตรปโดยตรง เพื่อส่งผ่านความไม่แน่นอนเพิ่มเติมอันเนื่องมาจากข้อมูลที่ขาดหายไปไปยังค่าคลาดเคลื่อนมาตรฐาน (standard errors) และช่วงความเชื่อมั่น (confidence intervals) สุดท้าย
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bootstrap Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/th/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.
- การอนุมานแบบเบย์สำหรับข้อมูลที่ขาดหายเบย์↔ compare
- Gibbs Sampling with Missing Dataเบย์↔ compare
- การจำลองแบบมอนติคาร์โลกับข้อมูลที่ขาดหายเบย์↔ compare
- Multiple Imputationสถิติศาสตร์↔ compare
- Sequential Monte Carlo with Missing Dataเบย์↔ compare