Modele bic

AIC devrait rarement être utilisé, car il est vraiment seulement valide asymptotiquement. Il est presque toujours préférable d`utiliser AICc (AIC avec une correction pour la taille de l`échantillon fini). AIC tend à surparamétrer: ce problème est grandement amoindri avec l`AICc. La principale exception à l`utilisation de l`AICc est lorsque les distributions sous-jacentes sont fortement leptokurtic. Pour en savoir plus, voir le livre modèle selection de Burnham & Anderson. La formule pour le critère d`information Bayésien (BIC) est similaire à la formule pour AIC, mais avec une pénalité différente pour le nombre de paramètres. Avec AIC, la pénalité est de 2k, alors qu`avec BIC la pénalité est ln (n) k. où σ e 2 ^ {displaystyle {widehat {sigma _ {e} ^ {2}}}} est la variance d`erreur. La variance d`erreur dans ce cas est définie comme comparaison de AIC et de BIC dans le contexte de la régression est donnée par Yang (2005). Dans la régression, AIC est asymptotiquement optimal pour sélectionner le modèle avec l`erreur quadratique la moins moyenne, sous l`hypothèse que le «vrai modèle» n`est pas dans le jeu de candidats. BIC n`est pas asymptotiquement optimal sous l`hypothèse. Yang montre en outre que le taux auquel l`AIC converge vers l`optimum est, dans un certain sens, le meilleur possible. Le BIC pénalise généralement les paramètres libres plus fortement que le critère d`information d`Akour, bien qu`il dépende de la taille de n et de l`amplitude relative de n et k.

Et puis continuez à assigner les mêmes modèles de probabilité (mêmes paramètres, mêmes données, mêmes approximations, etc.), je vais obtenir le même ensemble de valeurs BIC. C`est seulement en attachant une sorte de sens unique à la lettre logique “M” que l`on se fait tirer dans des questions non pertinentes sur “le vrai modèle” (échos de “la vraie religion”). La seule chose qui “définit” M est les équations mathématiques qui l`utilisent dans leurs calculs-et ce n`est presque jamais singles une et une seule définition. Je pourrais également mettre dans une proposition de prédiction sur M (“le modèle ième donnera les meilleures prédictions”). Personnellement, je ne peux pas voir comment cela changerait l`un des probabilités, et donc comment bon ou mauvais BIC sera (AIC pour cette matière aussi bien-bien que AIC est basé sur une dérivation différente) lors de l`application de l`AIC, la fonction de pénalité est z (p) = 2 p.