På mange måder er estimering ved hjælp af en passende minimumsafstandsmetode en af de mest naturlige ideer i statistik. Der er dog mange forskellige måder at konstruere en passende afstand mellem dataene og modellen på: Omfanget af undersøgelsen, der henvises til i Minimum Distance Estimation, er bogstaveligt talt enormt. Udfyldning af et statistisk ressourcehul Statistisk inferens: Minimumsafstandstilgangen giver et omfattende overblik over udviklingen i tæthedsbaseret minimumsafstandsslutning for uafhængigt og identisk distribuerede data. Udvidelser til andre mere komplekse modeller diskuteres også. Denne bog dækker omfattende det grundlæggende og anvendelser af minimumsafstandsslutning og diskuterer: estimerings- og hypotesetestproblemer for både diskrete og kontinuerlige modeller Robusthedsegenskaberne og den strukturelle geometri af minimumsafstandsmetoderne Inlier-problemet og dets mulige løsninger og den vægtede sandsynlighedsestimering problem: Udvidelsen af minimumsafstandsmetodologien inden for tværfaglige områder såsom neurale netværk og fuzzy-mængder samt specialiserede modeller og problemer, herunder semi-parametriske problemer, blandingsmodeller, grupperede dataproblemer og overlevelsesanalyse. Statistisk inferens: Minimumsafstandsmetoden giver en grundig redegørelse for tæthedsbaserede minimumsafstandsmetoder og deres anvendelse i statistisk inferens. Den dækker statistiske afstande, tæthedsbaserede minimumsafstandsmetoder, diskrete og kontinuerlige modeller, asymptotiske fordelinger, robusthed, beregningsproblemer, restjusteringsfunktioner, grafiske beskrivelser af robusthed, straffede og kombinerede afstande, vægtet sandsynlighed og multinomielle goodness-of-fit-tests. Denne omhyggeligt udformede ressource er nyttig for forskere og videnskabsmænd inden for og uden for statistikarenaen. . Sprog: Engelsk