ScholarGate
Assistent
Latent structureMultivariate analysis

Robuuste Mixture Modellering

Robuuste mixture modellering past eindige mixture modellen toe — probabilistische clusteringmethoden die aannemen dat data voortkomen uit een mengsel van onderliggende subpopulaties — met behulp van componentverdelingen of schattingsstrategieën die ontworpen zijn om ongevoelig te zijn voor uitschieters en ruis met zware staarten. De twee dominante benaderingen vervangen Gaussische componenten door verdelingen met zwaardere staarten, zoals de multivariate t-verdeling, of trimmen een vast percentage van de meest extreme observaties vóór de aanpassing.

Toepassen met StatMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Log in met een gratis account om dit onderdeel te lezen.

Inloggen

Method map

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

Bronnen

  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

Deze pagina citeren

ScholarGate. (2026, June 3). Robust Finite Mixture Modeling. ScholarGate. https://scholargate.app/nl/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

Geciteerd door

ScholarGateRobust Mixture Modeling (Robust Finite Mixture Modeling). Geraadpleegd op 2026-06-15 via https://scholargate.app/nl/statistics/robust-mixture-modeling · Gegevensset: https://doi.org/10.5281/zenodo.20539026