Bayesiansk informationskriterium (BIC)
Det Bayesianske informationskriterium er et informations-teoretisk kriterium for modelvalg, der approksimerer Bayesiansk modelsammenligning. Introduceret af Gideon Schwarz i 1978, straffer BIC modelkompleksitet hårdere end AIC ved at anvende en straf, der afhænger af stikprøvestørrelsen, hvilket gør det særligt velegnet til at identificere den sande underliggende modelstruktur.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/da/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.
- Justeret R-kvadrat (R²_adj)Modelevaluering↔ compare
- Akaike Information Criterion (AIC)Modelevaluering↔ compare
- Middelfejlskvadrat (MSE)Modelevaluering↔ compare
- Determinationskoefficienten (R²)Modelevaluering↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →