Multimodale Inferenz

Die Literatur zur Modellauswahl war im Allgemeinen schlecht darin, die tiefen Grundlagen des Akaike-Informationskriteriums (AIC) widerzuspiegeln und angemessene Vergleiche mit dem Bayesschen Informationskriterium (BIC) anzustellen. Es gibt eine klare Philosophie, ein solides Kriterium, das in der Informationstheorie basiert, und eine rigorose statistische Grundlage für AIC. AIC kann als Bayessches Verfahren gerechtfertigt werden, indem man einen „geschickten“ prior auf Modelle anwendet, der eine Funktion der Stichprobengröße und der Anzahl der Modellparameter ist. Darüber hinaus kann BIC als nicht-bayessisches Ergebnis abgeleitet werden. Daher können Argumente für die Verwendung von AIC gegenüber BIC zur Modellauswahl nicht aus einer Bayes- gegenüber einer frequentistischen Perspektive stammen. Der philosophische Kontext dessen, was über die Realität angenommen wird, die Annäherung an Modelle und die Absicht der modellbasierten Inferenz sollte bestimmen, ob AIC oder BIC verwendet wird. Verschiedene Facetten solcher multimodalen Inferenz werden hier präsentiert, insbesondere Methoden zur Modellaveraging.