Criterio di Informazione Bayesiano (BIC)
Il Criterio di Informazione Bayesiano (BIC) è un criterio di selezione del modello basato sulla teoria dell'informazione che approssima il confronto bayesiano tra modelli. Introdotto da Gideon Schwarz nel 1978, il BIC penalizza la complessità del modello più pesantemente dell'AIC, utilizzando una penalità dipendente dalla dimensione del campione, rendendolo particolarmente adatto a identificare la vera struttura sottostante del modello.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/it/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-quadro aggiustato (R²_adj)Valutazione dei modelli↔ compare
- Criterio di Informazione di Akaike (AIC)Valutazione dei modelli↔ compare
- Errore Quadratico Medio (MSE)Valutazione dei modelli↔ compare
- Coefficiente di determinazione (R²)Valutazione dei modelli↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →