برآورد درستنمایی ماکسیمم (mle)معمولا به منظور برآورد پارامترهای ناشناخته در توزیع آمیخته متناهی مورد استفاده قرار می گیرد با توجه به اینکه mle می تواند برای داده های پرت بسیار حساس باشد. به منظور غلبه بر این مشکل برآورد کننده درستنمایی پیراسته (tle) پیشنهاد شده که، پارامترهای ناشناخته در داده هایی با توزیع آمیخته در روشی رباست برآورد شوند. برتری این روش در مقایسه با mle توسط نمونه ها و مطالعات شبیه سازی نشان داده می شود. علاوه بر این؛ به عنوان معیار مهم رباستی؛ نقطه شکست (bdp) برای tle در برآورد پارامترهای مولفه های آمیخته مشخص شده است. در این پایان نامه ما با استفاده از داده های جمع آوری شده از هزینه سفر مربوط به بازنشستگان نشان داده ایم که این مجموعه مشاهدات دارای توزیع آمیخته بوده و با استفاده از برآوردگر tle مولفه های آمیخته گی را تشخیص و به پارامترهای آن با را با برآورد گر کلاسیک کمترین مربعات خطا و برآوردگر استوار با بیشترین نقطه شکست بالاترین کارایی مورد مقایسه قرار داده ایم.