Mixturmodellering
Mixturmodellering antager, at en population består af K uobserverede subpopulationer, der hver især beskrives af sin egen sandsynlighedsfordeling. De observerede data behandles som trækninger fra en vægtet kombination af disse komponentfordelinger. Det giver et principielt, modelbaseret alternativ til ad hoc-klyngning og understøtter formel sammenligning af løsninger med forskellige antal komponenter.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Kilder
- McLachlan, G. J. & Peel, D. (2000). Finite Mixture Models. Wiley-Interscience. ISBN: 978-0471006268
- Fraley, C. & Raftery, A. E. (2002). Model-based clustering, discriminant analysis, and density estimation. Journal of the American Statistical Association, 97(458), 611–631. DOI: 10.1198/016214502760047131 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Finite Mixture Modeling. ScholarGate. https://scholargate.app/da/statistics/mixture-modeling
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Bayesiansk mixturemodelleringStatistik↔ compare
- KlyngeanalyseStatistik↔ compare
- Exploratorisk Faktor Analyse (EFA)Statistik↔ compare
- Latent Class Analysis (LCA)Statistik↔ compare
- Latent Profile Analysis (LPA)Psykometri↔ compare
- Strukturel LigningsmodelleringForskningsstatistik↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →