s
19 708 Pages

L 'homoscédasticité (Du grec, même variance) Est une condition idéale dans laquelle il y a un fonction de données représentée graphiquement comme dispersé de manière homogène dans la ci-dessus ou en dessous d'une une ligne droite. Le terme est dérivé directement de homoscedasticité utilisé comme synonyme de l'homogénéité variances et hétéroscédasticité synonyme d'hétérogénéité des variances, introduites par Karl Pearson en 1905.

un distribution aléatoire des valeurs (X) est appelée lorsque le omoschedastica médias sa résiduelle (différence entre la valeur théorique Y « dérivée du modèle construit sur X et la valeur réelle de Y inconnu) est nulle et la variance est constante.

Dans certains modèles, on suppose que les résidus ont une variance constante et parle dans ce cas de résidus homoscédastiques. A l'inverse, lorsque cette hypothèse est pas cochée, il vient hétéroscédasticité résidus.

Le homoscédasticité est une hypothèse statistique qui est faite à la base d'un modèle de régression linéaire.

Il est une condition qui doit être vérifié afin d'effectuer le test de 'analyse de la variance aux fins du calcul de précision intermédiaire validation d'une méthode analytique.

Les conditions de Homoscédasticité sont vérifiées par l'administration des tests suivants:

  • test Q de Cochran: Evalue si la valeur maximale de la variance est homogène par rapport à l'autre;
  • test de Hartley: Évaluer si tous les écarts à l'échelle mondiale sont soupçonnés d'être homogène;
  • Test de la variance minimale: Évaluer si la variance de la valeur inférieure est homogène par rapport à l'autre;
  • Test de signification approximative Bartlett;
  • test F: Évalue si deux populations ont la même variance.

Articles connexes

D'autres projets