Denne boken gir en grundig innføring i den moderne teorien om sannsynlighetsbasert statistisk inferens. Teorien er preget av flere viktige egenskaper. En av de fremtredende aspektene er anerkjennelsen av at det er ønskelig å ta hensyn til relevante tilleggsstatistikker. Videre baseres sannsynlighetsapproksimasjoner på saddlepoint- og nært beslektede metoder, som generelt viser seg å ha høy nøyaktighet. Et annet sentralt punkt er at for modeller med forstyrrende parametere, er inferensen ofte basert på marginal- eller betinget sannsynlighet, eller approksimasjoner til disse sannsynlighetene. Disse metodene har vist seg å gi betydelige forbedringer sammenlignet med klassiske metoder. Boken tilbyr også en oppdatert oversikt over nylige funn innen feltet, som har gjennomgått en rask utvikling.
