close Warning: Can't synchronize with repository "(default)" (/var/svn/mms does not appear to be a Subversion repository.). Look in the Trac log for more information.

Opened 14 years ago

Closed 12 years ago

#421 closed enhancement (fixed)

Implementación del criterio Schwarz

Reported by: igonzalez Owned by: Pedro Gea
Priority: blocker Milestone: Dev.1 Diagnosis
Component: Tests Keywords:
Cc:

Description (last modified by Pedro Gea)

Quería saber si está implementado el criterio de Schwarz en MMS, tanto para la estrategia "Estimate" como para "BSR", y si es así, por favor explicarme cómo obtenerlo.

Change History (8)

comment:1 Changed 14 years ago by igonzalez

Priority: majorcritical

comment:2 Changed 14 years ago by atorre

Priority: criticalblocker

¿Tenemos fecha objetivo para solucionar este ticket?

comment:3 Changed 14 years ago by Pedro Gea

Description: modified (diff)
Owner: set to Pedro Gea
Status: newaccepted
Summary: Implementación del criterio SchwartzImplementación del criterio Schwarz
Type: doubtenhancement

No hay aún un plan concreto para tratar todo lo relacionado a la diagnosis. Véase #352 y #353. En la mayor parte de estos casos lo complicado está en disponer de una definición clara y adecuada de lo que se quiere implementar.

Anoto aquí algunos enlaces relativos a la implementación propuesta: BIC, AIC, DIC, KLIC.

Renombro el tique de acuerdo al nombre de su autor Gideon Schwarz (sin t).

Nótese que TOL tiene implementado un mecanismo de cálculo del BIC (también conocido como criterio de Schwarz) relativo al número de observaciones e implementado como SwartzInf(residuals, n) donde n es el número de parámetros estimados.

comment:4 Changed 13 years ago by Pedro Gea

sensitive: 0
Status: acceptedassigned

comment:5 Changed 13 years ago by Claudia Escalonilla

Milestone: NextDev.1 Diagnosis
version: 1

comment:6 Changed 12 years ago by Pedro Gea

(In [3771]) Refs #352, #421, #967, #1075
Se facilita así mismo la obtención del número de parámetros de un submodelo, del criterio de información de Akaike (AIC) y del criterio de información bayesiano o de Schwarz (BIC).

comment:7 Changed 12 years ago by Pedro Gea

El método GetStatistic.BIC de los resultados de un submodelo devuelve el valor del criterio de información de Schwarz de acuerdo a la siguiente definición:

BIC == -2*LL + k*Log(n)

donde LL es el logaritmo de la verosimilitud, n el número de datos y k el número de parámetros.

Otra definición, también utilizada y que varía con esta un valor constante es:

BIC' == n*Log(Sigma2) + k*Log(n)

como puede verse si tomamos como valor del logaritmo de la verosimilitud:

-2*LL == n*Log(2*Pi) + n*Log(Sigma2) + Sum_t(R_t^2)/Sigma2

Otra variante también muy usada es su valor normalizado o relativo, que consiste en el valor anterior del BIC, dividido por el número de datos:

BIC_R = BIC / n

comment:8 Changed 12 years ago by Pedro Gea

Resolution: fixed
Status: assignedclosed

Con los métodos:

 * ::GetSigma2(?)
 * ::GetStatistic.DataSize(?) // n
 * ::GetStatistic.ParameterSize(?) // k
 * ::GetStatistic.LogLikelihood(?) // LL

podemos obtener las distitnas variantes mencionadas anteriormente.

Note: See TracTickets for help on using tickets.