AIC (赤池の情報量規準)とカイ2乗分布: 数遊び日記AIC (Akaike's Information Criterion, 赤池の情報量規準) は線形回帰の分析をするときによく用いる。(線形回帰は、多重回帰とも重回帰とも呼び、単回帰の場合も含む。線形近似と言っても誤解はあまり無いかもしれない。) このAICは、統計学の教科書の最後当たりによく現れる。使い道としては次の様になる。 「予測したい変数(以下、予測変数)があって、その予測に使いたい説明変数の候補がいくつもある時に、説明に使う変数(説明変数)の個数を増やせば、見かけ上、予測精度は当然上がるかのように見える。けれども、意味の無い変数(たとえば、ただのランダムな変数)を付け加えても見かけ上誤差が小さくなるだけで、その変数も使った予測式を使って新たな予測に使おうとすると、誤差が結局大きくなってしまう(この現象をオーバーフィッティング(過剰適合)と言う。だから、どの説明変数を(うまく選びす
