About: Bayesian information criterion

Facets (new session)
Description
Metadata
Settings
- Rule:
- Inverse Functional Properties:
- "Same As":

About: Bayesian information criterion Goto Sponge NotDistinct Permalink

An Entity of Type : owl:Thing, within Data Space : dbpedia.demo.openlinksw.com associated with source document(s)
QRcode icon

http://dbpedia.demo.openlinksw.com/describe/?url=http%3A%2F%2Fdbpedia.org%2Fresource%2FBayesian_information_criterion&invfp=IFP_OFF&sas=SAME_AS_OFF

In statistics, the Bayesian information criterion (BIC) or Schwarz information criterion (also SIC, SBC, SBIC) is a criterion for model selection among a finite set of models; models with lower BIC are generally preferred. It is based, in part, on the likelihood function and it is closely related to the Akaike information criterion (AIC). The BIC was developed by Gideon E. Schwarz and published in a 1978 paper, where he gave a Bayesian argument for adopting it.

Attributes	Values
rdfs:label	Bayessches Informationskriterium (de) Bayesian information criterion (en) Criterio de información bayesiano (es) Critère d'information bayésien (fr) Criterio di informazione Bayesiano (it) ベイズ情報量規準 (ja) Bayesowskie kryterium informacyjne Schwarza (pl) Байесовский информационный критерий (ru) Баєсів інформаційний критерій (uk) 贝叶斯信息量准则 (zh)
rdfs:comment	Le critère d'information bayésien (en anglais bayesian information criterion ; en abrégé BIC) est un dérivé du critère d'information d'Akaike proposé par 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. (fr) ベイズ情報量規準（ベイズじょうほうりょうきじゅん、英: Bayesian information criterion, BIC）は、ベイジアン情報量規準、シュワルツ情報量規準、シュワルツのベイジアン情報量規準などとも呼ばれる、統計学における情報量規準の一つである。この規準は、回帰モデルが多くの項を含みすぎることに対してペナルティを課するものである。一般的な形式は、次の通りである。ここで、は尤度関数、は標本の大きさあるいは観測の数、は母数あるいは独立変数の数である。ガウス誤差モデルの下では、次の通りとなる。ここで、RSSは残差自乗和である。好ましいモデルは、最も低い規準値を持つものである。AICおよびDICを参照のこと。 (ja) 在统计学当中，贝叶斯信息量准则（英語：Bayesian information criterion或者：Schwarz information criterion；缩写：BIC、SIC、SBC、SBIC）是在有限集合中进行模型选择的准则：BIC最低的模型是最好的。该准则部分基于似然函数并与赤池信息量准则（AIC）紧密相关。拟合模型时，增加参数可提高似然，但如此下去可能导致过拟合。BIC与AIC都致力于向模型中引入关于参数数量的惩罚项；其中，BIC中的惩罚项会大于AIC中的惩罚项。 (zh) In statistics, the Bayesian information criterion (BIC) or Schwarz information criterion (also SIC, SBC, SBIC) is a criterion for model selection among a finite set of models; models with lower BIC are generally preferred. It is based, in part, on the likelihood function and it is closely related to the Akaike information criterion (AIC). The BIC was developed by Gideon E. Schwarz and published in a 1978 paper, where he gave a Bayesian argument for adopting it. (en) En estadística, el criterio de información bayesiano (BIC) o el más general criterio de Schwarz (SBC también, SBIC) es un criterio para la selección de modelos entre un conjunto finito de modelos. Se basa, en parte, de la función de probabilidad y que está estrechamente relacionado con el Criterio de Información de Akaike (AIC). El BIC fue desarrollado por , quien dio un argumento bayesiano a favor de su adopción. Akaike también desarrolló su propio formalismo Bayesiano, que ahora se conoce como la ABIC por Criterio de Información Bayesiano de Akaike ". (es) Per la statistica, il Criterio di informazione Bayesiano (Bayesian information criterion, BIC) o Criterio di Schwarz (indicato anche come SBC, SBIC) è un criterio per la selezione di un modello tra una classe di modelli parametrici con un diverso numero di parametri. La scelta di un modello per ottimizzare il BIC è una forma di regolarizzazione. (it) Bayesowskie kryterium informacyjne Schwartza (BIC - od ang. Bayesian Information Criterion) – w modelowaniu równań strukturalnych jest to jeden ze wskaźników dopasowania modelu. Twórcą wskaźnika jest Gideon Schwarz, który przedstawił ten wskaźnik w artykule z 1978 r. pt. Estimating the Dimension of a Model. (pl) У статистиці, ба́єсів інформаці́йний крите́рій (БІК, англ. bayesian information criterion, BIC), або крите́рій Шва́рца (англ. Schwarz criterion, також англ. SBC, SBIC) — статистичний критерій для обирання моделі серед скінченної множини моделей; найприйнятнішою є модель із найнижчим БІК. Він ґрунтується, зокрема, на функції правдоподібності, і тісно пов'язаний з інформаційним критерієм Акаіке (ІКА). БІК було розроблено Ґідеоном Шварцем, і опубліковано в праці 1978 року, в якій він навів баєсівське обґрунтування його застосування. (uk)
dcterms:subject	Bayesian inference Model selection Regression variable selection
Wikipage page ID	2473272 (xsd:integer)
Wikipage revision ID	1116768301 (xsd:integer)
Link from a Wikipage to another Wikipage	Bayes factor Bayesian inference Deviance (statistics) Annals of the Institute of Statistical Mathematics Variance Deviance information criterion Bayesian inference Maximum likelihood estimation Observation Function (mathematics) Model selection Monthly Notices of the Royal Astronomical Society Likelihood function Statistical model Statistics Feature selection Akaike information criterion Model selection Regression variable selection Normal distribution Parameter Hannan–Quinn information criterion Journal of the American Statistical Association Dependent variable Regression analysis Taylor series Jensen–Shannon divergence Marginal likelihood Laplace's method Big O notation F test Kullback–Leibler divergence Minimum description length Minimum message length Ordinary least squares World Scientific Log likelihood Multiple linear regression Fisher information Overfitting Bayesian model comparison Likelihood ratio test
Link from a Wikipage to an external page	http://nscs00.ucmerced.edu/~nkumar4/BhatKumarBIC.pdf https://web.archive.org/web/20120328065032/http:/nscs00.ucmerced.edu/~nkumar4/BhatKumarBIC.pdf%7Carchive-date=28 https://arxiv.org/abs/1207.0520 http://personal.psu.edu/hxb11/INFORMATIONCRIT.PDF
sameAs	Bayesian information criterion Bayesian information criterion Bayesian information criterion Bayesian information criterion Bayesian information criterion Bayesian information criterion Bayesian information criterion Bayesian information criterion Bayesian information criterion Bayesian information criterion Bayesian information criterion Bayesian information criterion Bayesian information criterion
dbp:wikiPageUsesTemplate	dbt:Citation_needed dbt:Cite_book dbt:Cite_journal dbt:Div_col dbt:Div_col_end dbt:Efn dbt:Notelist dbt:Refimprove_section dbt:Reflist dbt:Rp dbt:Short_description dbt:Statistics dbt:Bayesian_statistics
Link from a Wikipa... related subject.	Information criterion
has abstract	In statistics, the Bayesian information criterion (BIC) or Schwarz information criterion (also SIC, SBC, SBIC) is a criterion for model selection among a finite set of models; models with lower BIC are generally preferred. It is based, in part, on the likelihood function and it is closely related to the Akaike information criterion (AIC). When fitting models, it is possible to increase the likelihood by adding parameters, but doing so may result in overfitting. Both BIC and AIC attempt to resolve this problem by introducing a penalty term for the number of parameters in the model; the penalty term is larger in BIC than in AIC for sample sizes greater than 7. The BIC was developed by Gideon E. Schwarz and published in a 1978 paper, where he gave a Bayesian argument for adopting it. (en) En estadística, el criterio de información bayesiano (BIC) o el más general criterio de Schwarz (SBC también, SBIC) es un criterio para la selección de modelos entre un conjunto finito de modelos. Se basa, en parte, de la función de probabilidad y que está estrechamente relacionado con el Criterio de Información de Akaike (AIC). Cuando se ajustan modelos, es posible aumentar la verosimilitud mediante la adición de parámetros, pero esto puede resultar en sobreajuste. Tanto el BIC y AIC resuelven este problema mediante la introducción de un término de penalización para el número de parámetros en el modelo, el término de penalización es mayor en el BIC que en el AIC. El BIC fue desarrollado por , quien dio un argumento bayesiano a favor de su adopción. Akaike también desarrolló su propio formalismo Bayesiano, que ahora se conoce como la ABIC por Criterio de Información Bayesiano de Akaike ". (es) Le critère d'information bayésien (en anglais bayesian information criterion ; en abrégé BIC) est un dérivé du critère d'information d'Akaike proposé par 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. (fr) ベイズ情報量規準（ベイズじょうほうりょうきじゅん、英: Bayesian information criterion, BIC）は、ベイジアン情報量規準、シュワルツ情報量規準、シュワルツのベイジアン情報量規準などとも呼ばれる、統計学における情報量規準の一つである。この規準は、回帰モデルが多くの項を含みすぎることに対してペナルティを課するものである。一般的な形式は、次の通りである。ここで、は尤度関数、は標本の大きさあるいは観測の数、は母数あるいは独立変数の数である。ガウス誤差モデルの下では、次の通りとなる。ここで、RSSは残差自乗和である。好ましいモデルは、最も低い規準値を持つものである。AICおよびDICを参照のこと。 (ja)

Faceted Search & Find service v1.17_git139 as of Feb 29 2024

Alternative Linked Data Documents: ODE Content Formats:

RDF

ODATA

Microdata

About

OpenLink Virtuoso version 08.03.3330 as of Mar 19 2024, on Linux (x86_64-generic-linux-glibc212), Single-Server Edition (378 GB total memory, 59 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software