混合模型是处理异质人群数据时使用最广泛的统计工具之一。根据贝叶斯非参数的观点，我们引入了一类新的先验：归一化独立点过程。我们研究了这个新类的概率性质，并给出了许多特殊情况。特别地，我们提供了隐含分区分布的显式公式，以及根据两个离散测度的叠加来描述新过程的后验特征。我们还提供一致性结果。此外，我们还设计了一个边际算法和一个条件算法，用于具有随机组分的有限混合模型。这些方案基于辅助变量MCMC，它允许处理否则难以处理的后验分布，并克服了与可逆跳跃算法相关的挑战。我们在模拟研究和实际数据应用中说明了模型的性能和潜力。