výběr Modelu má různé konotace v oblasti Statistiky a Historie a Filozofie Vědy. Ve statistice má užitečnou, ale mnohem větší roli rozlišovat mezi dvěma statistickými modely na základě dostupných údajů. Tato kapitola představuje několik příkladů, kde lze techniky výběru modelu použít k zodpovězení vědeckých nebo statistických otázek. Zvažuje Akaike information Criterion (AIC) v několika kanonických statistických problémech a uvádí výsledky své statistické optimality v nich. Jeho spojení je také diskutováno s dalšími kritérii výběru modelu a některými jeho zobecněním. Optimalita je spojena s původní motivací Akaike, jak byla vyvedena, ale nesleduje to jako okamžitý důsledek. Jeden velmi důležitý problém, kde AIC může být použit jako model pro výběr pravidlo je problém neparametrické regrese, kde funkční formu závislosti mezi závislou proměnnou a regressor není vyjádřitelné v pojmech konečného počtu neznámých parametrů. Bayesovské informační kritérium (BIC) je užitečnější při výběru správného modelu, zatímco AIC je vhodnější při hledání nejlepšího modelu pro předpovídání budoucích pozorování.