Tengo un conjunto de datos de series temporales en el que estoy tratando de ajustar un Modelo de Markov Oculto (HMM) para estimar el número de estados latentes en los datos. Mi pseudo código para hacer esto es el siguiente:
for( i in 2 : max_number_of_states ){
...
calculate HMM with i states
...
optimal_number_of_states = "model with smallest BIC"
...
}
Ahora, en los modelos de regresión habituales, el BIC tiende a favorecer a los modelos más parsimoniosos, pero en el caso del HMM no estoy seguro de que eso sea lo que está haciendo. ¿Alguien sabe realmente a qué tipo de HMM tiende el criterio BIC? También puedo obtener el AIC y el valor de probabilidad también. Dado que estoy tratando de inferir el verdadero número total de estados, ¿es uno de estos criterios "mejor" que el otro para este propósito?