In der Statistik, einer Folge oder einem Vektoren von zufälligen Variablen ist homoscedastic , wenn alle zufälligen Variablen in der Folge oder dem Vektoren dieselbe begrenzte Abweichung haben. Das ist auch bekannt als Gleichartigkeit der Abweichung. Der Ergänzungsbegriff wird heteroscedasticity genannt. Die Rechtschreibungen homos'kedasticity und heteroskedasticity werden auch oft verwendet.

Die Annahme von homoscedasticity vereinfacht mathematische und rechenbetonte Behandlung. Ernste Übertretungen in homoscedasticity (ist das Annehmen eines Vertriebs von Daten homoscedastic, wenn in der Aktualität es heteroscedastic ) ist, können auf das Überschätzen der Güte von passenden, wie gemessen, durch den Koeffizienten von Pearson hinauslaufen.

Annahmen eines Modells des rückwärts Gehens

Wie verwendet, im Beschreiben einfacher geradliniger Regressionsanalyse ist eine Annahme des taillierten Modells (um sicherzustellen, dass die Am-Wenigsten-Quadratvorkalkulatoren jeder ein bester geradliniger unvoreingenommener Vorkalkulator der jeweiligen Parameter der Grundgesamtheit durch den Lehrsatz von Gauss-Markov sind), dass die Standardabweichungen der Fehlerbegriffe unveränderlich sind und vom X-Wert nicht abhängen. Folglich hat jeder Wahrscheinlichkeitsvertrieb für y (Ansprechvariable) dieselbe Standardabweichung unabhängig vom X-Wert (Prophet). Kurz gesagt, diese Annahme ist homoscedasticity. Homoscedasticity ist für die Schätzungen nicht erforderlich, unvoreingenommen, konsequent, und asymptotisch normal zu sein.

Prüfung

Residuals kann für homoscedasticity das Verwenden des Breusch-heidnischen Tests, der Rückwärtsbewegungsquadrat residuals zu unabhängigen Variablen geprüft werden. Da der Breusch-heidnische Test zur Normalität empfindlich ist, hat der Koenker-Dachshund oder 'verallgemeinert Breusch-heidnischer' Test wird zu allgemeinen Zwecken verwendet. Wenn er für groupwise prüft, verlangt heteroscedasticity den Goldfeld-Quandt-Test.

Vertrieb von Homoscedastic

Zwei oder mehr Normalverteilungen sind homoscedastic, wenn sie eine allgemeine Kovarianz (oder Korrelation) Matrix teilen. Vertrieb von Homoscedastic ist besonders nützlich, um statistische Muster-Anerkennung und Maschinenlernalgorithmen abzuleiten. Ein populäres Beispiel ist die geradlinige Diskriminanten-Analyse von Fisher.

Das Konzept von homoscedasticity kann auf den Vertrieb auf Bereichen angewandt werden.

Siehe auch

• Der Test von Bartlett
• Gleichartigkeit (Statistik)
• Heterogenität