我有一个数值向量。我的假设是这个向量是从两个高斯分布（即 k = 2）中提取的混合物。但是，我的数据可能只有一个高斯分布 (k = 1)。我试图以数据驱动的方式回答这个问题，但不知道最好的方法？
我的想法是通过计算每种方法的 BIC 或 AIC 来比较这两种方法，然后执行对数似然检验。
在计算 BIC 时，我是否应该将 k 作为估计的参数之一（即 {mu1, sd1, mu2, sd2, k} vs {mu1, sd1, k} 分别用于 2-component 和 1-component 模型）
我在 R 中使用 mixtools 包，而 normalmixEM() 函数似乎不允许拟合 1 分量高斯（即，如果我使用 k = 1，我会得到一个错误
arbmean and arbvar cannot both be FALSE）如果使用带有 AIC/BIC 的 LR 不合适，是否有更合适的解决方案来解决这个问题？
编辑：我在这里找到了一个有点启发性的例子。这种方法使用 mclust 包来拟合 1 vs 2 分量高斯混合，并使用模型对数似然来执行似然比检验。