Mallivalinnalla on erilaisia konnotaatioita tilastoissa ja historiassa tai tieteenfilosofiassa. Tilastoinnissa sillä on hyödyllinen mutta paljon jalankulkijamaisempi tehtävä erottaa kaksi tilastollista mallia käytettävissä olevien tietojen perusteella. Tässä luvussa esitetään useita esimerkkejä, joissa mallinvalintatekniikoita voidaan soveltaa tieteellisiin tai tilastollisiin kysymyksiin vastaamiseen. Se tarkastelee akaiken Informaatiokriteeriä (AIC) muutamissa kanonisissa tilastollisissa ongelmissa ja niiden tilastollisen optimaalisuuden tilan tuloksia. Sen yhteyttä käsitellään myös muiden mallien valintakriteerien ja joidenkin sen yleistysten kanssa. Optimaalisuus liittyy akaiken alkuperäiseen motivaatioon sellaisena kuin se on tuotu esiin, mutta se ei seuraa välittömänä seurauksena. Eräs erittäin tärkeä ongelma, jossa AIC: tä voidaan käyttää mallinvalintasääntönä, on nonparametrisen regression ongelma, jossa riippuvan muuttujan ja regressorin välisen riippuvuuden funktionaalinen muoto ei ole ilmaistavissa finitely monien tuntemattomien parametrien suhteen. Bayesilainen Informaatiokriteeri (BIC) on hyödyllisempi oikean mallin valinnassa, kun taas AIC on tarkoituksenmukaisempi parhaan mallin löytämisessä tulevien havaintojen ennustamiseen.