Usando o critério teórico da informação de Akaike na análise populacional: um estudo de simulação

O critério teórico da informação de Akaike para discriminação de modelos (AIC) é frequentemente citado como “overfit”, ou seja, ele seleciona modelos com uma dimensão maior do que a dimensão do modelo que gerou os dados. No entanto, quando não existe um modelo correto de dimensão fixa, por exemplo, para dados farmacocinéticos, o AIC ou sua versão corrigida pelo viés (AICc) pode ser o critério de seleção preferido se o objetivo for minimizar o erro de previsão. O presente estudo de simulação foi projetado para avaliar o comportamento do AICc ao aplicá-lo à análise de dados populacionais, para vários graus de variabilidade interindividual. O estudo de simulação mostrou que, pelo menos em um contexto relativamente simples de modelagem de efeitos mistos, o AICc médio mínimo correspondeu ao melhor desempenho preditivo mesmo na presença de grande variabilidade interindividual.