Selezione del modello ha connotazioni diverse in Statistica e storia o filosofia della scienza. In Statistica, ha un ruolo utile ma molto più pedonale di distinguere tra due modelli statistici sulla base dei dati disponibili. Questo capitolo presenta diversi esempi in cui le tecniche di selezione del modello possono essere applicate per rispondere a domande scientifiche o statistiche. Considera l’Akaike Information Criterion (AIC) in alcuni problemi statistici canonici e risultati di stato della sua ottimalità statistica in esso. La sua connessione è anche discussa con altri criteri di selezione del modello e alcune delle generalizzazioni di esso. L’ottimalità è connessa con la motivazione originale di Akaike come evidenziata in ma non segue come conseguenza immediata. Un problema molto importante in cui l’AIC può essere utilizzato come regola di selezione del modello è il problema della regressione non parametrica, in cui la forma funzionale di dipendenza tra la variabile dipendente e il regressore non è esprimibile in termini di parametri finitamente sconosciuti. Il criterio di informazione bayesiano (BIC) è più utile nella selezione di un modello corretto, mentre l’AIC è più appropriato nel trovare il modello migliore per predire le osservazioni future.