حضور داده پرت در مشاهدات، دقت و اعتبار استنباط آماری را تحت تاثیر قرار می دهد. برآورد چگالی نیز متاثر از اینگونه داده ها است. رهیافت جستجوی پیشرو یکی از تکنیکهای موفق در بسیاری از حوزه های استنباط استوار آماری است. این تکنیک با انتخاب زیر مجموعه اولیه ای از مشاهدات که فاقد داده پرت است مدلسازی را آغاز و در یک فرآیند پیش رو، رفتار مدل را تحت نظر قرار می دهد. در این مقاله با ارائه روشی برای انتخاب زیر مجموعه اولیه فاقد داده پرت در داده های آمیخته، از تکنیک جستجوی پیشرو برای مرتب کردن و سپس پیراسته کردن داده ها و در نهایت برآورد تابع چگالی پیراسته استفاده می شود.
