Modellvalg har forskjellige konnotasjoner I Statistikk og Historie eller Vitenskapsfilosofi. I Statistikk har Den en nyttig, men mye mer fotgjengerrolle å skille mellom to statistiske modeller på grunnlag av tilgjengelige data. Dette kapitlet presenterer flere eksempler hvor modellvalg teknikker kan brukes til å svare på vitenskapelige eller statistiske spørsmål. Det anser Akaike Informasjon Kriterium (AIC) i noen kanoniske statistiske problemer og statlige resultater av sin statistiske optimalitet deri. Forbindelsen er også diskutert med andre modellvalgskriterier og noen av generaliseringene av den. Optimaliteten er knyttet Til Akaikes opprinnelige motivasjon som brakt ut i, men det følger ikke som en umiddelbar konsekvens. ET svært viktig problem hvor AIC kan brukes som modellvalgregel er problemet med ikke-parametrisk regresjon, hvor den funksjonelle formen for avhengighet mellom den avhengige variabelen og regressoren ikke er uttrykkbar når det gjelder endelig mange ukjente parametere. Bayesian Information Criterion (BIC) er mer nyttig for å velge riktig modell, MENS AIC er mer hensiktsmessig for å finne den beste modellen for å forutsi fremtidige observasjoner.