modelselectie heeft verschillende connotaties in Statistiek en geschiedenis of Wetenschapsfilosofie. In de Statistiek heeft het een nuttige, maar veel minder belangrijke rol om op basis van de beschikbare gegevens onderscheid te maken tussen twee statistische modellen. In dit hoofdstuk worden verschillende voorbeelden gegeven waarin modelselectietechnieken kunnen worden toegepast om wetenschappelijke of statistische vragen te beantwoorden. Het beschouwt het Akaike Informatiecriterium (AIC) in enkele canonieke statistische problemen en geeft de resultaten van de statistische optimaliteit daarin. Het verband wordt ook besproken met andere model selectiecriteria en enkele van de generalisaties ervan. De optimaliteit is verbonden met Akaike ‘ s oorspronkelijke motivatie zoals die naar voren is gebracht, maar volgt niet als een onmiddellijk gevolg. Een zeer belangrijk probleem waar AIC kan worden gebruikt als een model selectie regel is het probleem van niet-parametrische regressie, waar de functionele vorm van afhankelijkheid tussen de afhankelijke variabele en de regressor is niet uit te drukken in termen van eindig veel onbekende parameters. Het Bayesiaanse Informatiecriterium (Bic) is nuttiger bij het selecteren van een correct model, terwijl het AIC geschikter is bij het vinden van het beste model voor het voorspellen van toekomstige waarnemingen.