伊庭幸人. 1999. モデル選択とその周辺. 物性研究 72:1-20.
デスクトップに長いこと放置してあった解説記事（？）。よく理解できた自信はないですが，思ったより難しくなかったような気がする（適宜読み飛ばしましたが）。AICしか使った経験がないし，他もよく調べたことはないのですが，その周辺の内容が書かれていました（とバクとした説明しかできない）。以下，本文の抜粋。特に三番目が「ええ？」って感じだったのですが，引用されている論文は（数式だらけで）読めませんでした。詳細をご存じの方は何か教えてください。
- 「統計学とかは何か」（中略）いいかえれば，「現実の世界から可能な世界（の集合）を構成する技術」ともいえる。
- 「モデルに自分自身を評価させる」というのがAICのひとつのポイントであると考えられる。
- AICもパラメータkについて可能なモデルの数が指数的に多くなるようなケースではうまくいかない（脚注：たとえば，重回帰分析ですべてのsubmodel（可能な説明変数の数がK個とすると2^k個）の比較を行う場合には，AICは本来は使えない）。
- データ数の増大はパラメータの精度の増大よりも，モデルの複雑さ（有効なパラメータ数）の増加をもたらす。したがって，BICやMDLのlog(N^0.5)というパラメータ精度を示す因子は現れないことになる。
