La regresión de mezcla finita identifica grupos homogéneos dentro de una muestra y calcula los coeficientes de regresión en cada grupo. Los grupos y los coeficientes del grupo se estiman conjuntamente utilizando un enfoque iterativo. Este trabajo extiende el estimador de mezcla finita a las colas de la distribución, incorporando cuantiles y expectiles y relajando la restricción de probabilidad constante del grupo adoptada en análisis anteriores. La probabilidad de cada grupo depende de la ubicación seleccionada: una observación puede ser asignada al grupo de mejor rendimiento si observamos valores bajos de la variable dependiente, mientras que en valores más altos puede ser asignada a la clase de bajo rendimiento. Exploramos dos estudios de caso: datos escolares de una prueba de competencia matemática PISA y rendimientos de activos del Centro de Investigación en Precios de Seguridad. En estos ejemplos de datos reales, las clasificaciones de grupo cambian según la ubicación seleccionada de la variable dependiente, y esto tiene un impacto en las estimaciones de regresión debido al cálculo conjunto de las probabilidades de clase y los coeficientes de regresión de clase. Se realiza un experimento de Monte Carlo para comparar el rendimiento de los estimadores discutidos con los resultados de investigaciones anteriores.