ScholarGate
Assistent
Latent structureMultivariate analysis

Robust Mixture Modeling

Robust mixture modeling anvender endelige mixturemodeller — probabilistiske klyngeanalyser, der antager, at data stammer fra en blanding af underliggende subpopulationer — ved hjælp af komponentfordelinger eller estimeringsstrategier, der er designet til at være ufølsomme over for outliers og støj med tunge haler. De to dominerende tilgange erstatter Gaussiske komponenter med fordelinger med tungere haler, såsom den multivariate t-fordeling, eller trimmer en fast andel af de mest ekstreme observationer før tilpasning.

Anvend med StatMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

The neighbourhood of related methods — select a node to explore.

Kilder

  1. Garcia-Escudero, L. A., Gordaliza, A., Matran, C. & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515
  2. Peel, D. & McLachlan, G. J. (2000). Robust mixture modelling using the t distribution. Statistics and Computing, 10(4), 339–348. DOI: 10.1023/A:1008981510081

Sådan citerer du denne side

ScholarGate. (2026, June 3). Robust Finite Mixture Modeling. ScholarGate. https://scholargate.app/da/statistics/robust-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.

Compare side by side

Refereret af

ScholarGateRobust Mixture Modeling (Robust Finite Mixture Modeling). Hentet 2026-06-15 fra https://scholargate.app/da/statistics/robust-mixture-modeling · Datasæt: https://doi.org/10.5281/zenodo.20539026