Demo 7-4：工作记忆误差分布的模型比较
被试记忆颜色/方向后报告，产生 circular error。不同模型（纯 von Mises、Mixture with guessing、Variable precision）对误差分布有不同预测。用 BIC 比较哪个模型更好。
Model 1: von Mises
Model 2: Mixture + Guessing
Model 3: Variable Precision
\[BIC = -2 \log p(D \mid \hat\theta) + k \log N\]
参数控制（数据生成）
圆形误差直方图与模型拟合
模型比较 (BIC)
观察提示：增大 guessing rate 时，直方图尾部变高——mixture 模型的优势增加。当 set size 增大但 guessing rate 低时，纯 von Mises 可能已足够。BIC 惩罚参数多的模型，平衡拟合与复杂度。
文献与案例意图
模型比较不是只看拟合好坏，还要考虑复杂度和泛化。参考：Zhang & Luck (2008); Bays et al. (2009); van den Berg et al. (2014); Pitt & Myung (2002).
模型比较不是只看拟合好坏，还要考虑复杂度和泛化。参考：Zhang & Luck (2008); Bays et al. (2009); van den Berg et al. (2014); Pitt & Myung (2002).