Criterio de información de Akaike

Si todos los modelos candidatos encajan mal, AIC no dará ningún aviso de ello.Por lo tanto AIC no solamente recompensa la bondad de ajuste, sino también incluye una penalidad, que es una función creciente del número de parámetros estimados.Supongamos que los datos se generan por algún proceso desconocido f. Consideremos dos modelos candidatos para representar f: g1 y g2.Entonces nos volveríamos a elegir el modelo candidato que minimiza la pérdida de información.Cuando el tamaño de la muestra es finito se utiliza la siguiente corrección: