เปรียบเทียบวิธี

	การสร้างแบบจำลองส่วนผสมที่ทนทาน	การสร้างแบบจำลองแบบผสม (Mixture Modeling)
สาขาวิชา	สถิติศาสตร์	สถิติศาสตร์
ตระกูล	Latent structure	Latent structure
ปีกำเนิด	2000–2008	1894
ผู้ริเริ่ม	Peel & McLachlan (t-mixture); Garcia-Escudero et al. (trimming framework)	Karl Pearson
ประเภท	Latent-class probabilistic clustering with outlier protection	Latent variable / density estimation
แหล่งต้นตำรับ	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.	McLachlan, G. J. & Peel, D. (2000). Finite Mixture Models. Wiley-Interscience. ISBN: 978-0471006268
ชื่อเรียกอื่น	robust mixture model, robust GMM, outlier-robust mixture model, trimmed mixture model	finite mixture model, mixture distribution model, FMM, model-based clustering
ที่เกี่ยวข้อง	5	6
สรุป	Robust mixture modeling fits finite mixture models — probabilistic clustering methods that assume data arise from a blend of underlying subpopulations — using component distributions or estimation strategies designed to be insensitive to outliers and heavy-tailed noise. The two dominant approaches replace Gaussian components with heavier-tailed distributions such as the multivariate t, or trim a fixed proportion of the most extreme observations before fitting.	Mixture modeling assumes that a population is composed of K unobserved subpopulations, each described by its own probability distribution. The observed data are treated as draws from a weighted combination of these component distributions. It provides a principled, model-based alternative to ad hoc clustering and supports formal comparison of solutions with different numbers of components.