Critère d'information bayésien

Le critère d'information bayésien (en anglais bayesian information criterion ; en abrégé BIC) est un critère d'information dérivé du critère d'information d'Akaike proposé par Gideon Schwarz en 1978.

À la différence du critère d'information d'Akaike, la pénalité dépend de la taille de l'échantillon et pas seulement du nombre de paramètres.

Définition

Il s'écrit :

BIC=-2\ln(L)+k\cdot \ln(N)

avec $L$ la vraisemblance du modèle estimée, $N$ le nombre d'observations dans l'échantillon et $k$ le nombre de paramètres libres du modèle[1].

Sélection du modèle

Le modèle qui sera sélectionné est celui qui minimise le critère BIC, soit:

M_{BIC}=\arg \min _{M}BIC(M)

Bibliographie

(en) Gideon E. Schwarz, « Estimating the dimension of a model », Annals of Statistics, vol. 6, n^o 2,‎ 1978, p. 461-464 (DOI 10.1214/aos/1176344136).

Notes et références

(en) Colin Cameron et Pravin Trivedi, Microeconometrics : Methods And Applications, Cambridge University Press, 2005, 1056 p. (ISBN 978-0-521-84805-3, lire en ligne), p. 278-279

Voir aussi

Critère d'information d'Akaike

Portail des probabilités et de la statistique

Cet article est issu de Wikipedia. Le texte est sous licence Creative Commons - Attribution - Partage dans les Mêmes. Des conditions supplémentaires peuvent s'appliquer aux fichiers multimédias.

[1] (en) Colin Cameron et Pravin Trivedi, Microeconometrics : Methods And Applications, Cambridge University Press, 2005, 1056 p. (ISBN 978-0-521-84805-3, lire en ligne), p. 278-279