Bayesian information criterion
http://dbpedia.org/resource/Bayesian_information_criterion
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.
rdf:langString
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。
rdf:langString
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。
rdf:langString
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.
rdf:langString
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 ".
rdf:langString
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.
rdf:langString
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.
rdf:langString
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.
rdf:langString
rdf:langString
Bayessches Informationskriterium
rdf:langString
Bayesian information criterion
rdf:langString
Criterio de información bayesiano
rdf:langString
Critère d'information bayésien
rdf:langString
Criterio di informazione Bayesiano
rdf:langString
ベイズ情報量規準
rdf:langString
Bayesowskie kryterium informacyjne Schwarza
rdf:langString
Байесовский информационный критерий
rdf:langString
Баєсів інформаційний критерій
rdf:langString
贝叶斯信息量准则
xsd:integer
2473272
xsd:integer
1116768301
rdf:langString
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.
rdf:langString
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 ".
rdf:langString
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.
rdf:langString
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。
rdf:langString
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. Stimando i parametri del modello mediante il metodo della massima verosimiglianza, è possibile aumentare la verosimiglianza attraverso l'aggiunta di parametri, la qual cosa può provocare overfitting. Il BIC risolve questo problema introducendo un termine di penalizzazione per il numero di parametri nel modello. Il BIC è stato sviluppato da Gideon E. Schwarz, il quale ha fornito argomentazioni bayesiane per la sua adozione. Risulta strettamente correlato al test di verifica delle informazioni di Akaike (AIC). In BIC, la penalizzazione per parametri aggiuntivi è più forte di quella dell'AIC.
rdf:langString
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. BIC oraz AIC są najpowszechniej wykorzystywanymi kryteriami informacyjnymi, a więc metodami porównywania modeli dla zmiennej zależnej, aby dokonać selekcji najlepszego modelu. Zgodnie z przyjętą konwencją, najlepszym modelem jest ten dla którego wartość kryterium informacyjnego jest najniższa.
rdf:langString
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。
rdf:langString
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). При допасовуванні моделей можливо підвищувати правдоподібність шляхом додавання параметрів, але це може призводити до перенавчання. Як БІК, так і ІКА намагаються розв'язувати цю проблему введенням члена штрафу для числа параметрів у моделі; член штрафу в БІК є більшим, ніж в ІКА. БІК було розроблено Ґідеоном Шварцем, і опубліковано в праці 1978 року, в якій він навів баєсівське обґрунтування його застосування.
xsd:nonNegativeInteger
11659