291719_zh-CN

liliconcom

插补算法的详细信息

有人知道插补的工作原理吗？我的意思是背后的方程式？

 

我尝试了一个非常简单的数据集：

 

X	ÿ
1个	1个
2	2
3	。
4	4
5	5

 

我做了带有收缩的多元正态分布，它很好地填充了Y = 3的缺失值。

 

然后我做了同样的事情：

 

X	ÿ
1个	1个
2	2
3	3
4	。
5	5

 

 

结果为Y = 3.584。  

 

我想知道有关多元正态插补算法工作原理的详细信息，但我在任何地方都找不到任何简单的解释。  有什么线索吗？

回复：关于插补算法的详细信息

的例程多元正态归因（） 是由 @ chris_gotwalt1 要么 @clay_barker 。当需要数据插补时，我在Multivariate中将此例程称为“例程”。

 

我猜您希望估算的值与其旁边的值相同。这种期望是不现实的。

 

想想正常以该功能的名义，并设想一个普通的CDF，以您的情况为中心，以3为中心，极限为1和5。仅3是精确值。其他则处于极限。这是非常简单的，目的是让您感觉到它，而不是它实际上是如何工作的。

 

我无法详细说明Multivariate Normal Impute（）的工作原理，但是估算值是受均值，协方差影响，并受最小值和最大值限制。

 

我创建了以下jsl以帮助演示其工作原理。

 

///////////////////////////////////////// JSL explains how data is imputed by Multivariate Normal Impute    ////////////////////////////////////////////////////
 
/***************************************************************************************
 
       y = Multivariate Normal Impute( yVec, meanYvec, symCovMat, colMin, colMax )
 
       Returns a response vector with imputed values for the missing values in the
       [[yVec]] vector of responses. Imputations are based on a multivariate normal
       distribution with mean vector [[meanYvec]] and symmetric covariance matrix [[symCovMat]].
       Optional arguments [[colMin]] and [[colMax]] are the respective vectors of column minimums
       and maximums. These arguments provide bounds for the imputations."
 
******************************************************************************************/
 
//Imputation example
matFull=[1 1,
       2 2,
       3 3,
       4 4,
       5 5
];
 
for (i=1, i<=N Row( matFull), i++,
 
       mat=matFull;
       mat[i,2]=.;
 
       //calculate a variance
       cov = Covariance(
             mat,
             <

 

回复：关于插补算法的详细信息

谢谢 @jianfeng_ding ！这非常有帮助。  我可以“看到”它现在如何工作。

 

杰瑞