para el modelo i de unconjunto de modelos apriorise puede llamar a Δ i = A I C i - m i n A I C donde el mejor modelo del conjunto de modelos tendrá Δ = 0 . Podemos usar losvalores de Δ i para estimar la fuerza de la evidencia ( w i ) para todos los modelos en el conjunto de modelos donde:
w i = e ( - 0.5 Δ i )Un yodoyoΔyo= A Idoyo- m i n A IdoΔ =0Δiwi
Esto es a menudo referido como el "peso de la evidencia" para el modeloidado ela priorimodelo conjunto. A medida queΔiaumenta,widisminuye, lo que sugiere que el modeloies menos plausible. Estosvaloreswipueden interpretarse como la probabilidad de que el modeloisea el mejor modelo dado elconjunto de modelos apriori. También podríamos calcular la probabilidad relativa del modeloiversus el modelojcomo
wi=e(−0.5Δi)∑Rr=1e(−0.5Δi).
iΔiwiiwiiij . Por ejemplo, si
w i = 0,8 y
w j = 0,1 entonces podríamos decir modelo
i es 8 veces más probable que el modelo
j .
wi/wjwi=0.8wj=0.1ij
Tenga en cuenta que cuando el modelo 1 es el mejor modelo (el más pequeño A I C ). Burnham y Anderson (2002) denominan esto como la razón de evidencia. Esta tabla muestra cómo cambia la relación de evidencia con respecto al mejor modelo.w1/w2=e0.5Δ2AIC
Information Loss (Delta) Evidence Ratio
0 1.0
2 2.7
4 7.4
8 54.6
10 148.4
12 403.4
15 1808.0
Referencia
Burnham, KP y DR Anderson. 2002. Selección de modelos e inferencia multimodelo: un enfoque práctico teórico de la información. Segunda edicion. Springer, Nueva York, Estados Unidos.
Anderson, DR 2008. Inferencia basada en modelos en las ciencias de la vida: una introducción a la evidencia. Springer, Nueva York, Estados Unidos.