ScholarGate
Assistent
Latent structureMultivariate analysis

Robust blandningsmodellering

Robust blandningsmodellering anpassar ändliga blandningsmodeller – probabilistiska klustringsmetoder som antar att data härrör från en blandning av underliggande subpopulationer – med hjälp av komponentfördelningar eller skattningsstrategier som är utformade för att vara okänsliga för extremvärden och brus med tunga svansar. De två dominerande tillvägagångssätten ersätter Gaussiska komponenter med fördelningar med tyngre svansar, såsom den multivariata t-fördelningen, eller trimmar en fast proportion av de mest extrema observationerna före anpassning.

Tillämpa med StatMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  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

Så citerar du den här sidan

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

Refereras av

ScholarGateRobust Mixture Modeling (Robust Finite Mixture Modeling). Hämtad 2026-06-15 från https://scholargate.app/sv/statistics/robust-mixture-modeling · Datamängd: https://doi.org/10.5281/zenodo.20539026