标签：missingness MAR Missing missing Random MCAR MNAR 记录
2022.01.23
参考：
AI for Medical Prognosis
以医生是否为每个病人记录血压为例，讲解三种缺失。
1.Missing Completely at Random(MCAR)
missingness not depend on anything，no bias (通过抛硬币，完全独立)
p(missing) = constant
每个病人是否被记录的概率相同均为0.5，则缺失数据和非缺失数据的分布是相似的，以年龄分布为例如下图。
2.Missing at Random(MAR)
missingness depend only on available information(例如依赖于年龄)
p(missing)≠constant
p(missing|age<40)=0.5≠p(missing|age>40)=0
年龄小于40则抛硬币决定是否记录，大于40则记录血压。而最终收集到的数据中年龄是可得到的。
3.Missing Not at Random(MNAR)
missingness depend on unavailable information
p(missing)≠constant
p(missing|waiting)=0.5, p(missing|not waiting)=0
有其他患者等待则抛硬币来决定记录与否，无其他患者等待则记录数据。但是否等待是无法观测、无法收集到的数据。
最终的分布可能与MCAR差不多，但存在bias。
标签：missingness,MAR,Missing,missing,Random,MCAR,MNAR,记录 来源： https://blog.csdn.net/whq___/article/details/122649874
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。