Criterio de Información Bayesiano (BIC)
El Criterio de Información Bayesiano es un criterio de selección de modelos basado en la teoría de la información que aproxima la comparación de modelos bayesianos. Introducido por Gideon Schwarz en 1978, el BIC penaliza la complejidad del modelo más severamente que el AIC mediante el uso de una penalización que depende del tamaño de la muestra, lo que lo hace particularmente adecuado para identificar la verdadera estructura subyacente del modelo.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/es/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.
- R² ajustado (R²_adj)Evaluación de modelos↔ compare
- Criterio de Información de Akaike (AIC)Evaluación de modelos↔ compare
- Error Cuadrático Medio (MSE)Evaluación de modelos↔ compare
- R-cuadrado (R²)Evaluación de modelos↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →