Criteri d'Informació Bayesiana (BIC)
El Criteri d'Informació Bayesiana (BIC) és un criteri de selecció de models basat en la teoria de la informació que aproxima la comparació de models bayesians. Introduït per Gideon Schwarz el 1978, el BIC penalitza la complexitat del model de manera més severa que l'AIC, utilitzant una penalització dependent de la mida de la mostra, cosa que el fa particularment adequat per identificar l'estructura subjacent real dels models.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Schwarz, G. (1978). Estimating the dimension of a model. Annals of Statistics, 6(2), 461-464. DOI: 10.1214/aos/1176344136 ↗
- Burnham, K. P., & Anderson, D. R. (2002). Model Selection and Multimodel Inference: A Practical Information-Theoretic Approach (2nd ed.). New York: Springer. DOI: 10.2307/3802723 ↗
- Kass, R. E., & Raftery, A. E. (1995). Bayes factors. Journal of the American Statistical Association, 90(430), 773-795. DOI: 10.1080/01621459.1995.10476572 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/ca/model-evaluation/bayesian-information-criterion
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- R quadrat millorat (R²_adj)Avaluació de models↔ compare
- Criteri d'Informació d'Akaike (AIC)Avaluació de models↔ compare
- Error Quadràtic Mitjà (MSE)Avaluació de models↔ compare
- Coeficient de determinació (R²)Avaluació de models↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →