Critère d'information bayésien

Il s'écrit :

${\displaystyle BIC=-2\ln(L)+k\cdot \ln(N)}$

avec ${\displaystyle L}$ la vraisemblance du modèle estimée, ${\displaystyle N}$ le nombre d'observations dans l'échantillon et ${\displaystyle k}$ le nombre de paramètres libres du modèle^[1].

Le modèle qui sera sélectionné est celui qui minimise le critère BIC, soit :

${\displaystyle M_{BIC}=\arg \min _{M}BIC(M)}$

• (en) Gideon E. Schwarz, « Estimating the dimension of a model », Annals of Statistics, vol. 6, n^o 2,‎ 1978, p. 461-464 (DOI 10.1214/aos/1176344136).