La selección de modelos tiene diferentes connotaciones en Estadística e Historia o Filosofía de la Ciencia. En estadística, tiene un papel útil, pero mucho más peatonal, de distinguir entre dos modelos estadísticos sobre la base de los datos disponibles. Este capítulo presenta varios ejemplos en los que se pueden aplicar técnicas de selección de modelos para responder a preguntas científicas o estadísticas. Considera el Criterio de Información Akaike (AIC) en algunos problemas estadísticos canónicos y establece los resultados de su optimalidad estadística en ellos. Su conexión también se discute con otros criterios de selección de modelos y algunas de sus generalizaciones. La optimalidad está conectada con la motivación original de Akaike, pero no es una consecuencia inmediata. Un problema muy importante en el que la AIC se puede utilizar como regla de selección de modelos es el problema de la regresión no paramétrica, donde la forma funcional de dependencia entre la variable dependiente y el regresor no es expresable en términos de muchos parámetros desconocidos. El Criterio de Información Bayesiano (BIC) es más útil para seleccionar un modelo correcto, mientras que el AIC es más apropiado para encontrar el mejor modelo para predecir observaciones futuras.