该文主要研究混合模型的贝叶斯估计问题,主要工作如下:1、在混合元个数已知的情况下,首先证明了正态混合模型参数在特定先验分布下,其贝叶斯估计的容许性;然后用Gibble抽样法对混合模型的参数进行抽样,构造了一个Markov链,解决了贝叶斯估计的算法问题,并通过实例说明了MCMC方法是可行的.2、针对"标号交换"问题,提出了两种新的重新标号算法,并从理论上证明了算法的可行性.一种是聚类分析法:通过对原始的样本进行重新聚类,来对参数估计序列进行重新标号;另一种算法对参数估计序列,通过使类概率矩阵间的距离最小,达到重新标号的目的.通过实例说明了文中所给的方法是简单、可行的.3、当混合元个数未知时,把延迟拒绝方法推广到参数维数可变的情形,改进了Richardson and Green(1997)中的可逆跳MCMC方法.实例计算表明文中的方法比可逆跳MCMC方法更有效.