Comparaison des Critères AIC et BIC dans la sélection des modèles GLM. Analyse des qualités de prédiction sur un portefeuille RC auto, en tenant compte de la taille de l'échantillon.

Dans ce mémoire, les critères AIC et BIC sont étudiés et comparés pour la sélection des modèles linéaires généralisés. Le critère Akaike repose sur la théorie de la minimisation de l’écart entre la vraie distribution et le meilleur choix (minimisation de la distance de KullbackLiebler) et pénalise moins le nombre de paramètre que le critère BIC qui repose sur le choix du modèle le plus vraisemblable aux vues des données (modèle Bayesien). On fera une étude pratique sur un portefeuille RC auto de la méthode de comparaison des qualités prédictives pour ces critères.