In All Likelihood – Statistical Modelling and Inference Using Likelihood

I denne opdaterede anden udgave af *In All Likelihood: Statistical Modelling and Inference Using Likelihood* præsenterer Yudi Pawitan "likelihood" som en kraftfuld og samlende ramme for statistisk analyse. Bogen har til formål at gøre komplekse koncepter let tilgængelige og demonstrerer, hvordan denne tilgang bidrager til at forstå og løse en lang række praktiske problemstillinger. Værket udforsker likelihoods centrale rolle i et bredt spektrum af statistiske problemstillinger. Dette spænder lige fra simple sammenligninger, såsom vurdering af ulykkesrater mellem to grupper, til avancerede analyser med generaliserede lineære modeller og semiparametriske metoder. I stedet for blot at behandle likelihood som et værktøj til punktestimering, fremhæves dets bredere værdi som et fundament for at konstruere, forstå og foretage beregninger af statistiske modeller. Det understreges, hvordan denne synsvinkel styrker både modeludvikling og fortolkning på en sammenhængende og intuitiv måde. Selvom bogen bygger på essentiel matematisk teori, anvender den en uformel og pædagogisk tilgang. Den gør brug af heuristiske argumenter og realistiske eksempler til at formidle de vigtigste pointer. Samtidig undgår den kunstigt opstillede problemer med teoretisk perfekte løsninger og omfavner i stedet kompleks dataanalyse fra den virkelige verden, som i dag er gjort overkommelig af moderne computerkraft. Dette skifter fokus over mod den statistiske ræsonnering bag modelvalget. Teksten integrerer desuden en række moderne emner, der udvider den klassiske teori, herunder hierarkiske generaliserede lineære modeller, non-parametriske udglatningsteknikker, robuste metoder, EM-algoritmen samt empirisk likelihood. Denne engelsksprogede paperback på 576 sider, der udgives af Oxford University Press i 2026, henvender sig til studerende, forskere og praktikere, der ønsker en dybdegående, moderne forståelse af likelihood-baseret statistisk modellering.