Glossaire



| 2 | 3 | A | B | C | D | E | F | G | H | I | J | K | L | M | N | O | P | Q | R | S | T | U | V | W | X | Y | Z |

Akaike (Critère d'Information)

Quand un modèle impliquant q paramètres est ajusté aux données, le critère est défini comme -2Lq + 2qLq est le log vraisemblance maximisé. Akaike a suggéré de maximiser le critère pour choisir entre les modèles dont les nombres de paramètres sont différents. Il était à l'origine proposé pour les modèles de séries chronologiques, mais est aussi utilisé dans la régression. Dans STATISTICA, le Critère d'Information d'Akaike (AIC) peut être utilisé dans le module Modèles Linéaires Généralisés (GLZ) pour comparer des sous-ensembles d'effets au cours d'une régression exhaustive  ; notez que le calcul de la statistique AIC peut nécessiter un certain temps. Puisque l'évaluation de la statistique des résultats ne nécessite pas de calculs itératifs, la sélection exhaustive basée sur la statistique de résultat est plus rapide en temps de calcul, alors que la sélection basée sur la statistique AIC propose généralement des résultats plus précis.