Critério de Informação Bayesiano (BIC)
O Critério de Informação Bayesiano (BIC) é um critério de seleção de modelos baseado na teoria da informação que aproxima a comparação bayesiana de modelos. Introduzido por Gideon Schwarz em 1978, o BIC penaliza a complexidade do modelo mais severamente que o AIC, utilizando uma penalidade dependente do tamanho da amostra, o que o torna particularmente adequado para identificar a verdadeira estrutura subjacente do modelo.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Information Criterion. ScholarGate. https://scholargate.app/pt/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-quadrado ajustado (R²_adj)Avaliação de modelos↔ compare
- Critério de Informação de Akaike (AIC)Avaliação de modelos↔ compare
- Erro Quadrático Médio (EQM)Avaliação de modelos↔ compare
- R-quadrado (R²)Avaliação de modelos↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →