Метод Монте-Карло для даних з пропусками
Метод Монте-Карло для даних з пропусками поєднує стохастичне моделювання — вибірку випадкових значень з імовірнісних розподілів — з принциповими стратегіями обробки пропущених даних, такими як множинна імп'ютація. Замість відкидання неповних записів або заміни одним значенням, метод генерує багато змодельованих повних наборів даних, виконує цільовий аналіз на кожному з них і об'єднує результати для отримання оцінок, які чесно відображають як невизначеність вибірки, так і невизначеність через пропуски.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Monte Carlo Simulation with Missing Data Handling. ScholarGate. https://scholargate.app/uk/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.
- Байєсівський висновок з пропущеними данимиБаєсові методи↔ compare
- Бутстреп-симуляція з пропущеними данимиБаєсові методи↔ compare
- Вибірка Гіббса з пропущеними данимиБаєсові методи↔ compare
- MCMC з пропущеними данимиБаєсові методи↔ compare
- Множинне імпутуванняСтатистика↔ compare
- Послідовний Монте-КарлоБаєсові методи↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →