3.2 AIC (Akaike information critetion) y BIC (Bayesian information criterion)

Criterio AIC

Se puede usar en modelos donde el ajuste se realiza con máxima verosimilitud:

\[ AIC = -2\text{log}L+2d \]

Donde \(L\) es el valor máximo de la función de máxima verosimilitud del modelo y \(d\) es el total de parámetros de la distribución. El AIC penaliza modelos con más parámetros para evitar el sobreajuste, un menor AIC indica un mejor equilibrio entre ajuste y complejidad.

Criterio BIC un menor valor indica un mejor ajuste, pero penaliza la complejidad (más parámetros)

\[ \text{BIC} = -2 \cdot \log(L) + d \cdot \log(n) \]

donde \(n\) es el número de observaciones.

Librerías

library(fitdistrplus)
library(actuar)
library(dplyr)
library(ggplot2)