Bayesovské informační kritérium (BIC)
Bayesovské informační kritérium je kritérium pro výběr modelu založené na teorii informace, které aproximuje bayesovské porovnávání modelů. BIC, představené Gideonem Schwarzem v roce 1978, penalizuje složitost modelu více než AIC použitím penalizace závislé na velikosti vzorku, což jej činí zvláště vhodným pro identifikaci skutečné podkladové struktury modelu.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/cs/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.
- Upravený koeficient determinace (R²_adj)Hodnocení modelů↔ compare
- Akaikeho informační kritérium (AIC)Hodnocení modelů↔ compare
- Střední kvadratická chyba (MSE)Hodnocení modelů↔ compare
- Koeficient determinace (R²)Hodnocení modelů↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →