Bayesiaans Informatiecriterium (BIC)
Het Bayesiaans Informatiecriterium is een modelselectiecriterium gebaseerd op informatietheorie dat Bayesiaanse modelvergelijking benadert. Geïntroduceerd door Gideon Schwarz in 1978, bestraft BIC de complexiteit van modellen zwaarder dan AIC door een straf te gebruiken die afhankelijk is van de steekproefgrootte, waardoor het bijzonder geschikt is voor het identificeren van de ware onderliggende modelstructuur.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/nl/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.
- Gecorrigeerde R² (R²_adj)Modelevaluatie↔ compare
- Akaike Informatiecriterium (AIC)Modelevaluatie↔ compare
- Gemiddelde Kwadratische Fout (MSE)Modelevaluatie↔ compare
- R-kwadraat (R²)Modelevaluatie↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →