偏差信息量准则

Template:Multiple issues 偏差信息量准则（Template:Lang-en，DIC）是等级模型化的赤池信息量准则（AIC），被广泛应用于由马尔可夫链蒙特卡洛（MCMC）所模拟的后验分布的贝叶斯模型选择问题。然而，該項准則由於與赤池信息量准则同为僅随样本容量增加的渐近近似，因此只可应用于后验分布呈多元正态分布的情况。

定义

定义偏差（Template:Lang）为 $D (θ) = - 2 \log (p (y | θ)) + C$ ，其中 $y$ 为数据， $θ$ 是模型中的未知参量， $p (y | θ)$ 是似然函数， $C$ 是常量。

有两种计算模型参数的有效数量 $p_{D}$ 的方法。一种是 $p_{D} = \bar{D} - D (\bar{θ})$ ，其中 $\bar{θ}$ 是 $θ$ 的期望 Template:Harvcol。第二种是 $p_{D} = p_{V} = \frac{1}{2} \hat{var} (D (θ))$ Template:Harvcol。有效数量 $p_{D}$ 越大，模型的参数就越多，模型就越容易拟合数据，但也需要更小的偏差。