Bayesian Information Criterion

Til statistik, Bayesian oplysninger betingelse eller kriterier af Schwarz er et kriterium for valget af en model af en klasse af parametriske modeller med forskellige antal parametre. Valget af en model til at optimere BIC er en form for legalisering.

Estimering modelparametre ved hjælp af den maksimale sandsynlighed metode, kan du øge sandsynligheden ved at tilføje parametre, som kan ville medføre overfitting. BIC løser dette problem ved at indføre en straf betegnelse for antallet af parametre i modellen.

BIC blev udviklet af Gideon E. Schwarz, som gav Bayesianske argumenter for dens vedtagelse. Det er nært beslægtet med kriterierne i Akaike oplysninger. På BIC, straffen for yderligere parametre er stærkere end i AIC.

Definition

I det generelle tilfælde er det defineret som

BIC -2ln + k = ln

hvor k er antallet af parametre i den statistiske model, n antallet af observationer og L er maksimeret værdi for funktionen af ​​verosomiglianza af den anslåede model.

Applikationer

BIC har været meget anvendt til identifikation af serien model og lineær regression. Det kan dog være vid udstrækning anvendes til ethvert sæt af modeller baseret på maksimal sandsynlighed. Men i mange anvendelser er BIC reduceres blot til valget af den maksimale sandsynlighed fordi antallet af parametre er den samme for de modeller af interesse.

Forrige artikel Blumari