AIC and BIC MethodsIf maximum likel

AIC and BIC Methods
If maximum likelihood is used to estimate parameters and the models are non-nested, then the Akaike information criterion (AIC) or the Bayes information criterion (BIC) can be used to perform model comparisons. The two criteria are very similar in form but arise from very different assumptions. The AIC is derived from information theory and it is designed to pick the model that produces a probability distribution with the smallest discrepancy from the true distribution (as measured by the Kuhlbeck–Liebner discrepancy (see Bozdogan, 2000). The BIC is derived from a large sample asymptotic approximation to the full Bayesian model comparison (described later). They are both defined as follows. Suppose a model has k parameters,

ผลลัพธ์ (ไทย) 1:

AIC และวิธี BIC
โอกาสสูงสุดจะใช้การประมาณพารามิเตอร์ และแบบจำลองไม่ซ้อนกัน ถ้าเงื่อนไขข้อมูล Akaike (AIC) หรือเกณฑ์ข้อมูลของ Bayes (BIC) สามารถใช้เปรียบเทียบแบบจำลอง เงื่อนไขสองจะคล้ายในฟอร์ม แต่เกิดขึ้นจากสมมติฐานที่แตกต่างกันมาก AIC ที่มาจากทฤษฎีสารสนเทศ และถูกออกแบบมาเพื่อรับรูปแบบที่ก่อให้เกิดการกระจายความน่าเป็น ด้วยความขัดแย้งน้อยที่สุดจากการแจกแจงที่แท้จริง (วัดจากความขัดแย้ง Kuhlbeck – Liebner (ดู Bozdogan, 2000) BIC มาจาก asymptotic เป็นตัวอย่างขนาดใหญ่ประมาณเต็มทฤษฎีแบบจำลองเปรียบเทียบ (ซึ่งอธิบายในภายหลัง) พวกเขาทั้งสองไว้ดังนี้ สมมติแบบมีพารามิเตอร์ k

ผลลัพธ์ (ไทย) 2:

AIC และ BIC วิธีการ
ถ้าความน่าจะเป็นสูงสุดที่ใช้ในการประมาณค่าพารามิเตอร์และรูปแบบจะไม่ซ้อนกันแล้วเกณฑ์ข้อมูล Akaike (AIC) หรือเกณฑ์ข้อมูลเบส์ (BIC) สามารถใช้ในการดำเนินการเปรียบเทียบรูปแบบ สองเกณฑ์จะคล้ายกันมากในรูปแบบ แต่เกิดขึ้นจากสมมติฐานที่แตกต่างกันมาก AIC ได้มาจากทฤษฎีสารสนเทศและมันถูกออกแบบมาเพื่อเลือกรูปแบบที่ก่อให้เกิดการกระจายความน่าจะเป็นที่มีความคลาดเคลื่อนน้อยที่สุดจากการจัดจำหน่ายจริง (วัดจากความคลาดเคลื่อน Kuhlbeck-LIEBNER (ดู Bozdogan 2000.) BIC ได้มาจาก กลุ่มตัวอย่างที่มีขนาดใหญ่ประมาณเชิงเปรียบเทียบรูปแบบแบบเบย์เต็มรูปแบบ (อธิบายต่อไป). พวกเขามีทั้งที่กำหนดดังนี้. สมมุติแบบมีพารามิเตอร์ k,

ผลลัพธ์ (ไทย) 3:

และวิธีการ AIC BIC
ถ้าความน่าจะเป็นสูงสุดที่ใช้ในการประมาณค่าพารามิเตอร์และรูปแบบจะไม่ซ้อนกัน แล้วเคราะห์ข้อมูลเกณฑ์ ( AIC ) หรือ Bayes ข้อมูลเกณฑ์ ( BIC ) สามารถใช้เพื่อแสดงการเปรียบเทียบแบบ สองเกณฑ์คล้ายในรูป แต่เกิดขึ้นจากสมมติฐานที่แตกต่างกันมากตามข้อมูลที่ได้มาจากทฤษฎีและมันถูกออกแบบมาเพื่อเลือกรุ่นที่ผลิตการแจกแจงความน่าจะเป็นกับความแตกต่างที่น้อยที่สุดจากการกระจายจริง ( เป็นวัดโดย kuhlbeck – liebner ความขัดแย้ง ( ดู bozdogan , 2000 ) ส่วนบิ๊ก ได้มาจากตัวอย่างใหญ่เฉลี่ยประมาณเต็มแบบเบส์ ( การอธิบายในภายหลัง )พวกเขาเป็นทั้งกำหนด ดังนี้ คิดว่าเป็นนางแบบ K พารามิเตอร์