About DBpedia Fr

About: http://fr.dbpedia.org/resource/Critère_d'information_d'Akaike

An Entity of Type : statistic, from Named Graph : http://fr.dbpedia.org, within Data Space : fr.dbpedia.org

Le critère d'information d'Akaike, (en anglais Akaike information criterion ou AIC) est une mesure de la qualité d'un modèle statistique proposée par Hirotugu Akaike en 1973. Lorsque l'on estime un modèle statistique, il est possible d'augmenter la vraisemblance du modèle en ajoutant un paramètre. Le critère d'information d'Akaike, tout comme le critère d'information bayésien, permet de pénaliser les modèles en fonction du nombre de paramètres afin de satisfaire le critère de parcimonie. On choisit alors le modèle avec le critère d'information d'Akaike le plus faible.

Property Value
dbo:abstract
  • Le critère d'information d'Akaike, (en anglais Akaike information criterion ou AIC) est une mesure de la qualité d'un modèle statistique proposée par Hirotugu Akaike en 1973. Lorsque l'on estime un modèle statistique, il est possible d'augmenter la vraisemblance du modèle en ajoutant un paramètre. Le critère d'information d'Akaike, tout comme le critère d'information bayésien, permet de pénaliser les modèles en fonction du nombre de paramètres afin de satisfaire le critère de parcimonie. On choisit alors le modèle avec le critère d'information d'Akaike le plus faible. (fr)
  • Le critère d'information d'Akaike, (en anglais Akaike information criterion ou AIC) est une mesure de la qualité d'un modèle statistique proposée par Hirotugu Akaike en 1973. Lorsque l'on estime un modèle statistique, il est possible d'augmenter la vraisemblance du modèle en ajoutant un paramètre. Le critère d'information d'Akaike, tout comme le critère d'information bayésien, permet de pénaliser les modèles en fonction du nombre de paramètres afin de satisfaire le critère de parcimonie. On choisit alors le modèle avec le critère d'information d'Akaike le plus faible. (fr)
dbo:discoverer
dbo:namedAfter
dbo:wikiPageExternalLink
dbo:wikiPageID
  • 7283207 (xsd:integer)
dbo:wikiPageLength
  • 16062 (xsd:nonNegativeInteger)
dbo:wikiPageRevisionID
  • 186002051 (xsd:integer)
dbo:wikiPageWikiLink
prop-fr:année
  • 1973 (xsd:integer)
  • 1974 (xsd:integer)
  • 1978 (xsd:integer)
  • 1989 (xsd:integer)
  • 1991 (xsd:integer)
  • 2002 (xsd:integer)
  • 2005 (xsd:integer)
  • 2006 (xsd:integer)
  • 2008 (xsd:integer)
prop-fr:doi
  • 10.110900 (xsd:double)
prop-fr:isbn
  • 0 (xsd:integer)
  • 978 (xsd:integer)
prop-fr:journal
  • dbpedia-fr:Biometrika
  • Biometrika (fr)
  • Communications in Statistics - Theory and Methods (fr)
  • Sociological Methods and Research (fr)
prop-fr:langue
  • en (fr)
  • en (fr)
prop-fr:lieu
  • New York/Berlin/Paris etc. (fr)
  • New York/Berlin/Paris etc. (fr)
prop-fr:lireEnLigne
prop-fr:nom
  • Wood (fr)
  • Davis (fr)
  • Anderson (fr)
  • Hjort (fr)
  • Yang (fr)
  • Cameron (fr)
  • Tsai (fr)
  • Burnham (fr)
  • Akaike (fr)
  • Brockwell (fr)
  • Claeskens (fr)
  • Hurvich (fr)
  • Sugiura (fr)
  • Trivedi (fr)
  • Wood (fr)
  • Davis (fr)
  • Anderson (fr)
  • Hjort (fr)
  • Yang (fr)
  • Cameron (fr)
  • Tsai (fr)
  • Burnham (fr)
  • Akaike (fr)
  • Brockwell (fr)
  • Claeskens (fr)
  • Hurvich (fr)
  • Sugiura (fr)
  • Trivedi (fr)
prop-fr:numéro
  • 6 (xsd:integer)
prop-fr:pages
  • 13 (xsd:integer)
  • 261 (xsd:integer)
  • 267 (xsd:integer)
  • 297 (xsd:integer)
  • 716 (xsd:integer)
  • 937 (xsd:integer)
prop-fr:pagesTotales
  • 577 (xsd:integer)
  • 1056 (xsd:integer)
prop-fr:prénom
  • G. (fr)
  • Y. (fr)
  • N. (fr)
  • Colin (fr)
  • Richard A. (fr)
  • Peter J. (fr)
  • S. N. (fr)
  • C. M. (fr)
  • D. R. (fr)
  • K. P. (fr)
  • N. L. (fr)
  • Hirotugu (fr)
  • C.-L. (fr)
  • Pravin (fr)
  • G. (fr)
  • Y. (fr)
  • N. (fr)
  • Colin (fr)
  • Richard A. (fr)
  • Peter J. (fr)
  • S. N. (fr)
  • C. M. (fr)
  • D. R. (fr)
  • K. P. (fr)
  • N. L. (fr)
  • Hirotugu (fr)
  • C.-L. (fr)
  • Pravin (fr)
prop-fr:périodique
  • IEEE Transactions on Automatic Control (fr)
  • IEEE Transactions on Automatic Control (fr)
prop-fr:sousTitre
  • Methods And Applications (fr)
  • Theory and Methods (fr)
  • Methods And Applications (fr)
  • Theory and Methods (fr)
prop-fr:titre
  • Further analysis of the data by Akaike’s information criterion and the finite corrections (fr)
  • Multimodel inference: understanding AIC and BIC in Model Selection (fr)
  • A new look at the statistical model identification (fr)
  • Can the strengths of AIC and BIC be shared? (fr)
  • Generalized Additive Models (fr)
  • Microeconometrics (fr)
  • Model Selection and Model Averaging (fr)
  • Time Series (fr)
  • Model Selection and Multimodel Inference : A Practical Information-Theoretic Approach (fr)
  • Regression and time series model selection in small samples (fr)
  • Information theory and an extension of the maximum likelihood principle (fr)
  • Further analysis of the data by Akaike’s information criterion and the finite corrections (fr)
  • Multimodel inference: understanding AIC and BIC in Model Selection (fr)
  • A new look at the statistical model identification (fr)
  • Can the strengths of AIC and BIC be shared? (fr)
  • Generalized Additive Models (fr)
  • Microeconometrics (fr)
  • Model Selection and Model Averaging (fr)
  • Time Series (fr)
  • Model Selection and Multimodel Inference : A Practical Information-Theoretic Approach (fr)
  • Regression and time series model selection in small samples (fr)
  • Information theory and an extension of the maximum likelihood principle (fr)
prop-fr:titreOuvrage
  • Second International Symposium on Information Theory (fr)
  • Second International Symposium on Information Theory (fr)
prop-fr:volume
  • 19 (xsd:integer)
  • 76 (xsd:integer)
  • 92 (xsd:integer)
  • A7 (fr)
prop-fr:wikiPageUsesTemplate
prop-fr:éditeur
dct:subject
rdf:type
rdfs:comment
  • Le critère d'information d'Akaike, (en anglais Akaike information criterion ou AIC) est une mesure de la qualité d'un modèle statistique proposée par Hirotugu Akaike en 1973. Lorsque l'on estime un modèle statistique, il est possible d'augmenter la vraisemblance du modèle en ajoutant un paramètre. Le critère d'information d'Akaike, tout comme le critère d'information bayésien, permet de pénaliser les modèles en fonction du nombre de paramètres afin de satisfaire le critère de parcimonie. On choisit alors le modèle avec le critère d'information d'Akaike le plus faible. (fr)
  • Le critère d'information d'Akaike, (en anglais Akaike information criterion ou AIC) est une mesure de la qualité d'un modèle statistique proposée par Hirotugu Akaike en 1973. Lorsque l'on estime un modèle statistique, il est possible d'augmenter la vraisemblance du modèle en ajoutant un paramètre. Le critère d'information d'Akaike, tout comme le critère d'information bayésien, permet de pénaliser les modèles en fonction du nombre de paramètres afin de satisfaire le critère de parcimonie. On choisit alors le modèle avec le critère d'information d'Akaike le plus faible. (fr)
rdfs:label
  • Akaike information criterion (en)
  • Criterio de información de Akaike (es)
  • Critère d'information d'Akaike (fr)
  • Critério de informação de Akaike (pt)
  • Test di verifica delle informazioni di Akaike (it)
  • Информационный критерий Акаике (ru)
  • Інформаційний критерій Акаіке (uk)
  • معيار أكايكي للمعلومة (ar)
owl:sameAs
prov:wasDerivedFrom
foaf:isPrimaryTopicOf
is dbo:wikiPageRedirects of
is dbo:wikiPageWikiLink of
is oa:hasTarget of
is foaf:primaryTopic of
Powered by OpenLink Virtuoso    This material is Open Knowledge     W3C Semantic Web Technology     This material is Open Knowledge    Valid XHTML + RDFa
This content was extracted from Wikipedia and is licensed under the Creative Commons Attribution-ShareAlike 3.0 Unported License