Bayesiläinen informaatiokriteeri (BIC)
Bayesiläinen informaatiokriteeri (BIC) on informaatioteoreettinen mallinvalintakriteeri, joka approksimoi Bayesiläistä mallivertailua. Gideon Schwarz esitteli sen vuonna 1978. BIC rankaisee mallin monimutkaisuutta raskaammin kuin AIC käyttämällä otoskokoon sidottua rangaistusta, mikä tekee siitä erityisen sopivan todellisen taustalla olevan mallirakenteen tunnistamiseen.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/fi/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.
- Oikaistu R² (R²_adj)Mallien arviointi↔ compare
- Akaiken informaatiokriteeri (AIC)Mallien arviointi↔ compare
- Keskineliövirhe (MSE)Mallien arviointi↔ compare
- Selitekerroin (R²)Mallien arviointi↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →