1976年，Rubin［1］提出了处理缺失数据的多重填补（multiple imputation，MI）的方法［2］. 多重填补用一系列可能的值来替换每一个缺失值，以反映被替换的缺失数据的不确定性.
基于36个网页-相关网页
The method includes using TBapriori algorithm to generate strong association rules, the algorithm of sorting rule groups, multiple imputation, statistics and analysis.
该方法主要包括由TBapriori算法产生强关联规则,、规则组排序,多重填补,统计分析等四部分组成。
参考来源 - 基于关联规则挖掘算法的改进及其应用研究·2,447,543篇论文数据，部分数据来源于NoteExpress
结论多重填补与多重填补分析为处理存在缺失数据的资料提供了有效的策略。
Conclusion mi and MIANALYZE procedures provide a valid strategy for handling data set with missing values.
结果多重填补的方法可用于交叉设计中缺失数据的填补并得出正确的统计推断。
Results The multiple imputation method can impute missing values of the crossover design and generate valid statistical inferences.
结果：多重填补的方法可用于交叉设计中缺失数据的填补并得出正确的统计推断。
RESULTS: The multiple imputation method imputed missing values of the crossover design and generated valid statistical inferences.
应用推荐