انتخاب مدل برای مدل های آمیخته متناهی با استفاده از نمونه ی کامل

در این مقاله روش نمونه ی کامل برای انتخاب مدل از بین مدل های آمیخته ی متناهی با تعداد مولفه های معلوم یا نامعلوم تحت روابط مختلفی که دو مدل می توانند با هم داشته باشند در نظر گرفته شده است. مدل های رقیب ممکن است نسبت به مدل درست خوب-توصیف شده یا بد-توصیف شده و نسبت به یکدیگر آشیانی یا غیر-آشیانی باشند. لذا با استفاده از برازش متغیر داده های گمشده (متغیر مشاهده نشده) توزیع آمیخته به صورت توزیع داده های کامل (دو متغیره) در نظر گرفته و نشان داده می شود با استفاده از این ایده وقتی که تعداد مولفه ها نامعلوم یا معلوم است، شرایط وونگ (1989) برای انتخاب مدل بهینه برقرار است. همچنین براساس توزیع داده های کامل معیارهای AIC و BIC مورد بررسی قرار گرفته اند. کارایی این روش به کمک روش شبیه سازی مونت کارلو و داده های واقعی تولید انرژی در امریکا مورد بررسی قرار گرفته شده است.