內容簡介
處理缺失數據問題的新策略占用了本專題論著的大部分篇幅。在缺失數據的條件下回顧*似然估計,即ML估計,他以一個仔細篩選的美國大專院校畢業率的數據為例,解釋了插補法的EM算法。後幾章超越了ML方法,解釋多重插補方法,並討論了不可忽略的缺失數據。保羅·D·阿利森所著的《缺失數據》是*的處理缺失數據的精心傑作,幾乎所有的統計書籍都很少涉及這個主題。保羅·阿利森也睿智地提醒我們,缺失數據*的解決方法是“沒有任何*解決方法”。但如果你也有這個問題且在尋求補救方法,那麼就請閱讀本書的內容。
|
|
首頁 | 電影 | 連續劇 | 音樂 | 圖書 | 女裝 | 男裝 | 童裝 | 內衣 | 百貨家居 | 包包 | 女鞋 | 男鞋 | 童鞋 | 計算機周邊 |
商品搜索商品分类新类目管理投资理财 经济 社会科学
|
|
![]() | |||
|