Pythonでの統計解析　ロジスティック回帰の結果

Pythonで統計解析を行っているのですが、statsmodelsのglmでロジスティック回帰を行い。
結果を確認しています。以下はソースと出力になります。ここでbic（ベイズ情報量基準）の
数値がおかしいのですが、なにか特殊な計算をしていうのか、バグなのかPythonでの統計にくわしい方おしえてください。

ベイズ情報量基準は下記式となり、
bic=-2*Ln(L)+k*Ln(n)
Log-likelihoodは対数尤度でLn(L)の部分ですね。、nは標本数ですからNo. Observations:にあたります。kは説明変数の数ですのでDf Model:がそれです。仮に切片が含まれているとすれば+1するといいとおもいます。
そうすると840.78,840.58くらいになるとおもうのですが？

aic（赤池の情報基準）はあっています。これまでaicとbicがかけ離れている経験がないので
奇異にみえます。

import pandas as pd
import seaborn as sns
titanic = sns.load_dataset('titanic')
titanic.head()

import statsmodels.formula.api as smf
import statsmodels.api as sm
model = smf.glm(formula="survived ~ sex +pclass ", data=titanic, family= sm.families.Binomial() )
res = model.fit() #学習

print(res.summary2())

出力

               Results: Generalized linear model
===============================================================
Model:              GLM              AIC:            833.1956
Link Function:      logit            BIC:            -5204.4062
Dependent Variable: survived         Log-Likelihood: -413.60
Date:               2018-08-26 22:19 LL-Null:        -593.33
No. Observations:   891              Deviance:       827.20
Df Model:           2                Pearson chi2:   911.
Df Residuals:       888              Scale:          1.0000
Method:             IRLS
---------------------------------------------------------------
                Coef.  Std.Err.    z     P>|z|   [0.025  0.975]
---------------------------------------------------------------
Intercept       3.2946   0.2974  11.0769 0.0000  2.7117  3.8776
sex[T.male]    -2.6434   0.1838 -14.3799 0.0000 -3.0037 -2.2831
pclass         -0.9606   0.1061  -9.0572 0.0000 -1.1684 -0.7527
===============================================================