English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

This paper is based on our personal notes for the short course we gave onJanuary 5, 2017 at Institut Henri Poincar\'e, after an invitation of the SFdS.Our purpose is to give an overview of the method of $\rho$-estimation and ofthe optimality and robustness properties of the estimators built according tothis procedure. This method can be viewed as the sequel of a long series ofresearches which were devoted to the construction of estimators with goodproperties in various statistical frameworks. We shall emphasize the connectionbetween the $\rho$-estimators and the previous ones, in particular the maximumlikelihood estimator, and we shall show, via some typical examples, that the$\rho$-estimators perform better from various points of view.    Cet article est fond\'e sur les notes du mini-cours que nous avons donn\'e le5 janvier 2017 \`a l'Institut Henri Poincar\'e \`a l'occasion d'une journ\'eeorganis\'ee par la SFdS et consacr\'ee \`a la Statistique Math\'ematique. Ilvise \`a donner un aper\c{c}u de la m\'ethode de $\rho$-estimation ainsi quedes propri\'et\'es d'optimalit\'e et de robustesse des estimateurs construitsselon cette proc\'edure. Cette m\'ethode s'inscrit dans une longue lign\'ee derecherches dont l'objectif a \'et\'e de produire des estimateurs poss\'edant debonnes propri\'et\'es pour un ensemble de cadres statistiques aussi vaste quepossible. Nous mettrons en lumi\`ere les liens forts qui existent entre les$\rho$-estimateurs et ces pr\'ed\'ecesseurs, notamment les estimateurs dumaximum de vraisemblance, mais montrerons \'egalement, au travers d'exempleschoisis, que les $\rho$-estimateurs les surpassent sur bien des aspects.

Une alternative robuste au maximum de vraisemblance: la $\rho$-estimation