El criterio de información bayesiano (BIC) o también conocido como criterio de Schwarz (SBIC), se refiere al criterio que sirve para seleccionar los modelos dentro de un conjunto definido de modelos. Este criterio se basa directamente en el funcionamiento de probabilidades y a su vez está relacionado con el criterio de información de Akaike (AIC).
Cuando se realiza un ajuste de modelos, es posible que aumenten las probabilidades a través de la acción de medidas, sin embargo, al hacerse puede dar como resultado u sobreajuste.
El BIC y el AIC pueden resolver este incidente por medio de la incorporación de un término personalizado para la cantidad de medidas dentro del modelo, esto indica que el término de personalización será mayor en el BIC que en el AIC.
El criterio de información bayesiano fue creado por Gideon Schwarz, quien facilitó este argumento para beneficiar su adopción. Akaike del mismo modo creo formalmente su propio bayesiano, el cual es conocido en la actualidad como ABIC.
Este criterio comprende una serie de propiedades como las que se expresan a continuación:
- Tiene la capacidad de medir la eficacia del modelo de medidas con el fin de predecir los datos.
- Es similar al criterio de longitud mínima de descripción aproximadamente, pero contiene signo negativo.
- Se encuentra vinculado directamente con otros tipos criterios personalizados de probabilidades, como el criterio de información de Akaike y el criterio de información de desviación.
- Puede penalizar la complejidad del modelo cuando se refiere a la cantidad de medidas en el modelo.
- Se usa para seleccionar la cantidad de clústeres según la complicación específica que contenga un grupo de datos determinados.
El criterio de información bayesiano también cuenta con ciertas limitaciones como las siguientes:
- La aproximación es válida únicamente para una muestra que sea mucho mayor que la cantidad que tienen las medidas del modelo.
- Este tipo de criterio no puede manejar modelos como es el caso de dificultades de elección de variables en alta extensión.
Ejemplos de criterio de información bayesiano
- El criterio de información bayesiano es una medida que se ajusta al modelo estadístico y se usa para seleccionar modelos en un grupo determinado de modelos.
- Este criterio se basa en el funcionamiento de la probabilidad logarítmica y se encuentra vinculada directamente con el criterio de información de Akaike.
Es una herramienta que selecciona modelos estadísticos y económicos con el objetivo de calcular la medida que indica la aproximación de los modelos generadores de datos.