如何从数量众多的人群中迅速检测出携带病毒的个体,对控制感染和疾病扩散以及人类的生存发展至关重要.在流行病学等科学研究中,个体检测的工作费时费力,直到Dorfman提出分组检测后,众多领域的试验研究过程对分组检测方法越来越重视.对比样本个体检测,分组检测方法减少检测次数,降低检测成本,同时有效筛查出患病样本,控制疾病的传播.在使用分组检测方法时,我们将群体分成各个组,组内的阳性个体数是未知的,通过以组为单位进行检测来有效识别阳性个体.本文主要有两部分内容,第一,在分组检测下,组的观测数据是连续情形,将阳性个体数作为隐变量引入,建立了一个混合模型.在建立混合模型的过程中,我们发现这个混合模型与一般的混合模型不同.一般有k个分模型的混合模型,假定每个分模型的参数个数是p,那么总参数的自由度是(k+k×p-1),而本文建立有k个分模型的混合模型,总参数的自由度是(2×p+1).该混合模型参数是受低维参数控制的,参数自由度小于一般的混合模型参数自由度.这是一个参数受限的问题,我们给出了参数受限EM算法解决问题,并考虑正态分布,伽玛分布,附加协变量信息的正态分布三种不同类别函数分布情形下的未知参数估计.第二,在传统分组检测方法的重测过程中,例如Dorfman,如果组检测结果是阳性,对这个组的全部样本进行单独检测.或者Sterrett,随机检测组内的样本,直到检测出第一个阳性样本,再将剩余的样本重新组合继续检测.而本文结合组的连续观测值和估出的参数,计算了阳性个体数的后验概率,并将最大后验概率对应的阳性个体数,作为组的阳性样本数估计.我们利用这些信息,给出了一个新的重测过程.