Eu tenho um conjunto de dados de séries temporais no qual estou tentando ajustar um Modelo de Markov oculto (HMM) para estimar o número de estados latentes nos dados. Meu pseudo-código para fazer isso é o seguinte:
for( i in 2 : max_number_of_states ){
...
calculate HMM with i states
...
optimal_number_of_states = "model with smallest BIC"
...
}
Agora, nos modelos de regressão usuais, o BIC tende a favorecer os modelos mais parcimoniosos, mas, no caso do HMM, não tenho certeza de que é isso que está fazendo. Alguém realmente sabe a que tipo de HMM o critério BIC tende? Também posso obter o valor da AIC e da probabilidade também. Como estou tentando inferir o verdadeiro número total de estados, um desses critérios é "melhor" que o outro para esse fim?
fonte