کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7546015 1489620 2018 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Bayesian methods for dealing with missing data problems
ترجمه فارسی عنوان
روش های بیزی برای مقابله با مشکلات داده های از دست رفته
ترجمه چکیده
داده های گمشده، یک مسئله رایج اما چالش برانگیز در اکثر مطالعات، ممکن است منجر به نتیجه گیری غلط و ناکارآمد در صورت نادرست انجام شود. به عنوان یک روش طبیعی و قدرتمند برای مقابله با داده های از دست رفته، رویکرد بیزی در ادبیات بسیار مورد توجه قرار گرفته است. این مقاله بررسی تحولات اخیر و کاربردهای روش های بیزی برای مقابله با داده های از دست رفته و غیر قابل انکار می کند. ما در ابتدا مکانیسم های داده های گمشده و چارچوب بیزی برای رسیدگی به داده های گمشده را معرفی می کنیم و سپس مدل های اطلاعاتی گمشده را براساس ادبیات داده های ناخواسته و غلط از دست رفته داده می کنیم. پس از آن، مسائل مهمی از استنتاج بیزی، از قبیل ساخت قبلی، محاسبه خلفی، مقایسه مدل و تحلیل حساسیت، مورد بحث قرار گرفته است. در نهایت، چندین موضوع آینده که مستلزم تحقیق بیشتر هستند، خلاصه و نتیجه گیری می شوند.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات آمار و احتمال
چکیده انگلیسی
Missing data, a common but challenging issue in most studies, may lead to biased and inefficient inferences if handled inappropriately. As a natural and powerful way for dealing with missing data, Bayesian approach has received much attention in the literature. This paper reviews the recent developments and applications of Bayesian methods for dealing with ignorable and non-ignorable missing data. We firstly introduce missing data mechanisms and Bayesian framework for dealing with missing data, and then introduce missing data models under ignorable and non-ignorable missing data circumstances based on the literature. After that, important issues of Bayesian inference, including prior construction, posterior computation, model comparison and sensitivity analysis, are discussed. Finally, several future issues that deserve further research are summarized and concluded.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of the Korean Statistical Society - Volume 47, Issue 3, September 2018, Pages 297-313
نویسندگان
, ,