Estoy buscando ejemplos de cómo interpretar las estimaciones AIC (criterio de información de Akaike) y BIC (criterio de información bayesiano).
¿Se puede interpretar la diferencia negativa entre los BIC como las probabilidades posteriores de un modelo sobre el otro? ¿Cómo puedo poner esto en palabras? Por ejemplo, el BIC = -2 puede implicar que las probabilidades del mejor modelo sobre el otro modelo son aproximadamente $e^2= 7.4$?
Cualquier consejo básico es apreciado por este neófito.
No creo que haya una interpretación simple de AIC o BIC como esa. Ambas son cantidades que toman la verosimilitud logarítmica y le aplican una penalización por el número de parámetros que se estiman. Akaike explica las sanciones específicas para AIC en sus artículos a partir de 1974. BIC fue seleccionado por Gideon Schwarz en su artículo de 1978 y está motivado por un argumento bayesiano.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
