Vykreslete s náhodnými daty ukazujícími heteroscedasticitu.
Ve statistice je sekvence nebo vektor náhodných proměnných heteroscedastický, pokud náhodné proměnné mají různé odchylky. Doplňkový koncept se nazývá homoscedasticita. (Poznámka: Zdá se, že pro tato slova neexistuje standardní dohodnutý pravopis; někdy se píší homo- nebo heteroskedastické nebo (nesprávně) -schedastické, v závislosti na umístění a osobním vkusu.)
Při použití některých statistických technik, například obyčejných nejmenších čtverců (OLS), je obvykle vytvořena řada předpokladů. Jedním z nich je, že chybový výraz má konstantní rozptyl. To bude platit, pokud se předpokládá, že pozorování chybového výrazu jsou odvozena z identických distribucí. Heteroscedasticita je porušením tohoto předpokladu.
Například chybový výraz se může měnit nebo zvětšovat s každým pozorováním, což je často případ měření průřezů nebo časových řad. Heteroscedasticita je často studována jako součást ekonometrie, která se často zabývá údaji, které ji vykazují. Má dvě podoby, čistou a nečistou. Protože existuje tolik typů každé z nich, většina učebnic se omezuje na řešení heteroscedasticity obecně, nebo jeden nebo dva příklady.
Nyní, s příchodem robustních standardních chyb, které nám umožňují dělat dedukci, aniž bychom specifikovali podmíněný druhý moment chybového výrazu, není testování podmíněné homoscedasticity tak důležité jako dříve, v každém případě je nejpopulárnější test podmíněné homoscedasticity zásluhou Whitea (1980).
Důsledky jsou podobné, ale ne úplně stejné jako pro sériovou korelaci.
Heteroscedasticita se často objevuje, když je velký rozdíl mezi velikostmi pozorování.
Existuje velké množství odkazů, protože většina učebnic statistiky bude obsahovat alespoň nějaký materiál o heteroscedasticitě. Některé příklady jsou: