En muchos sentidos, la estimación mediante un método apropiado de distancia mínima es una de las ideas más naturales en estadística. Sin embargo, hay muchas formas diferentes de construir una distancia adecuada entre los datos y el modelo: el alcance del estudio al que se refiere la estimación de la distancia mínima es literalmente enorme. Llenar un vacío de recursos estadísticos Inferencia estadística: el enfoque de distancia mínima describe de manera integral los desarrollos en la inferencia de distancia mínima basada en la densidad para datos distribuidos de forma independiente e idéntica. También se discuten extensiones a otros modelos más complejos. Cubriendo exhaustivamente los conceptos básicos y las aplicaciones de la inferencia de distancia mínima, este libro presenta y discute: Los problemas de estimación y prueba de hipótesis para modelos discretos y continuos Las propiedades de robustez y la geometría estructural de los métodos de distancia mínima El problema de inlier y sus posibles soluciones y la estimación de probabilidad ponderada problema: La extensión de la metodología de distancia mínima en áreas interdisciplinarias como redes neuronales y conjuntos difusos, así como modelos y problemas especializados, incluidos problemas semiparamétricos, modelos de mezcla, problemas de datos agrupados y análisis de supervivencia. Inferencia estadística: El enfoque de distancia mínima ofrece una descripción exhaustiva de los métodos de distancia mínima basados en la densidad y su uso en la inferencia estadística. Cubre distancias estadísticas, métodos de distancia mínima basados en la densidad, modelos discretos y continuos, distribuciones asintóticas, robustez, problemas computacionales, funciones de ajuste residual, descripciones gráficas de robustez, distancias penalizadas y combinadas, probabilidad ponderada y pruebas de bondad de ajuste multinomial. Este recurso cuidadosamente elaborado es útil para investigadores y científicos dentro y fuera del campo de las estadísticas. . Idioma: Inglés