10.2 AIC y BIC
El criterio de información de Akaike (AIC) y el criterio de información bayesiano (BIC) hacen uso del Log-likelihood, que es el logaritmo de máxima verosimilitud, y sustraen un término proporcional al número de parámetros en el modelo.
- El \(AIC\) es definido por la siguiente ecuación:
\[AIC = -2 \log L + 2(K+1)\]
Los mejores modelos son aquellos que presentan el menor valor de AIC.
- El \(BIC\) está definido por la ecuación:
\[BIC = -2\log L + \log(n)(K+1)\] El modelo con el más bajo valor de \(BIC\) es considerado el mejor en explicar los datos con el mínimo número de parámetros.
- En el ejemplo de Venta de Vehículos:
| Criterio | Valor |
|---|---|
| Akaike criterion | 117.0828 |
| Schwarz criterion | 124.8983 |