Calculadora BIC (Bayesian Information Criterion)
Usa esta herramienta para calcular el BIC con dos enfoques comunes: desde la log-verosimilitud o desde RSS (suma de residuos al cuadrado).
¿Qué significa “calcular BIC”?
El BIC (Bayesian Information Criterion) es una métrica para comparar modelos estadísticos. Su objetivo es balancear dos cosas:
- Ajuste del modelo: qué tan bien explica los datos.
- Complejidad: cuántos parámetros usa.
En general, al comparar varios modelos sobre el mismo conjunto de datos, el modelo con menor BIC se considera mejor.
Fórmulas más usadas del BIC
1) Desde la log-verosimilitud
- n: número de observaciones.
- k: número de parámetros estimados.
- ln(L): log-verosimilitud máxima del modelo.
2) Aproximación desde RSS (regresión con errores normales)
Esta forma se usa cuando no tienes ln(L) directamente pero sí dispones de la suma de residuos al cuadrado.
Cómo interpretar el resultado
El BIC por sí solo no dice mucho. Su poder está en la comparación entre modelos.
- Si Modelo A tiene BIC = 210 y Modelo B tiene BIC = 225, normalmente A es preferible.
- Diferencias más grandes suelen implicar evidencia más fuerte.
Regla rápida orientativa al comparar dos modelos:
- ΔBIC < 2: diferencia débil.
- 2 a 6: evidencia positiva.
- 6 a 10: evidencia fuerte.
- > 10: evidencia muy fuerte.
BIC vs AIC (resumen práctico)
AIC
Tiende a preferir modelos más flexibles (menos penalización por complejidad).
BIC
Penaliza más la complejidad, especialmente cuando el tamaño muestral crece. Por eso suele favorecer modelos más simples.
Errores comunes al calcular BIC
- Comparar BIC de modelos ajustados en datos distintos.
- Olvidar contar correctamente los parámetros k.
- Usar convenciones diferentes sin saberlo (algunas implementaciones suman o quitan constantes).
- Interpretar BIC absoluto como “bueno o malo” sin comparar contra alternativas.
Ejemplo rápido
Supón que tienes un modelo con n = 200, k = 5 y ln(L) = -240.3.
Si otro modelo comparable tiene BIC = 495.8, normalmente ese segundo modelo sería preferible por tener BIC menor.
Conclusión
Si estás buscando calcular BIC, la clave no es solo obtener el número, sino usarlo correctamente para comparar modelos candidatos. Esta calculadora te permite hacerlo de forma rápida y consistente, tanto con log-verosimilitud como con RSS.