📍 Dove siamo nel percorso

Hai imparato a costruire e stimare i modelli. Ma come scegliere tra modelli alternativi? Come valutare se i vantaggi di un modello più complesso giustificano la sua maggiore complessità? È il momento di affrontare il problema della selezione dei modelli da una prospettiva informazionale.

Consiglio🎯 Cosa faremo in questa sezione

Questa sezione ti fornirà gli strumenti per confrontare modelli:

• Comprendere l’entropia come misura dell’incertezza.
• Utilizzare la divergenza di Kullback–Leibler per quantificare la “distanza” tra distribuzioni.
• Calcolare e interpretare il log-score, l’Expected Log Predictive Density (ELPD) e la cross-validazione leave-one-out (LOO-CV).
• Utilizzare il pacchetto loo per il confronto pratico tra modelli.
• Interpretare i risultati per guidare le decisioni di modellazione.

📐 Fondamento teorico: questa sezione si basa sulla teoria dell’informazione di Shannon. Se non sei familiare con il concetto di entropia, il primo capitolo offre un’introduzione accessibile.