À bien des égards, l’estimation par une méthode de distance minimale appropriée est l’une des idées les plus naturelles en statistique. Cependant, il existe de nombreuses façons différentes de construire une distance appropriée entre les données et le modèle : le champ d’étude visé par l’estimation de la distance minimale est littéralement énorme. L’inférence statistique : l’approche de la distance minimale donne un aperçu complet de l’évolution de l’inférence de distance minimale basée sur la densité pour des données distribuées de manière indépendante et identique. Des extensions à d’autres modèles plus complexes sont également discutées. Couvrant de manière exhaustive les bases et les applications de l’inférence de distance minimale, ce livre présente et discute : Les problèmes d’estimation et de test d’hypothèses pour les modèles discrets et continus Les propriétés de robustesse et la géométrie structurelle des méthodes de distance minimale Le problème de l’inlier et ses solutions possibles et l’estimation de la vraisemblance pondérée Problème : L’extension de la méthodologie de la distance minimale dans des domaines interdisciplinaires tels que les réseaux neuronaux et les ensembles flous, ainsi que dans les modèles et problèmes spécialisés, y compris les problèmes semi-paramétriques, les modèles de mélange, les problèmes de données groupées et l’analyse de survie. Inférence statistique : l’approche de la distance minimale donne un compte rendu complet des méthodes de distance minimale basées sur la densité et de leur utilisation dans l’inférence statistique. Il couvre les distances statistiques, les méthodes de distance minimale basées sur la densité, les modèles discrets et continus, les distributions asymptotiques, la robustesse, les problèmes de calcul, les fonctions d’ajustement résiduel, les descriptions graphiques de la robustesse, les distances pénalisées et combinées, la vraisemblance pondérée et les tests multinomiaux de qualité de l’ajustement. Cette ressource soigneusement conçue est utile aux chercheurs et aux scientifiques à l’intérieur et à l’extérieur du domaine statistique. . Langue : Anglais