Cet article est une ébauche concernant les probabilités et la statistique.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.

Consultez la liste des tâches à accomplir en page de discussion.

En statistique, on parle d'hétéroscédasticité lorsque les variances des résidus des variables examinées sont différentes. Le mot provient du grec, composé du préfixe hétéro- (« autre »), et de skedasê (« dissipation»). Une collection de variables aléatoires est hétéroscédastique s'il y a des sous-populations qui ont des variabilités différentes des autres.

La notion d'hétéroscédasticité s'oppose à celle d'homoscédasticité. Dans le second cas, la variance de l'erreur des variables est constante i.e. ${\displaystyle Var(\varepsilon _{i})=\sigma ^{2}~\forall i}$. Tandis qu’en cas d'hétéroscédasticité, nous avons ${\displaystyle ~\forall i,Var(\varepsilon _{i})=\sigma _{i}^{2},}$ où ${\displaystyle \sigma _{i}^{2))$ peut être différent de ${\displaystyle \sigma _{j}^{2))$ pour ${\displaystyle i\neq j}$.

• Test de Goldfeld et Quandt (1965)
• Test de Glejser (1969)
• Test de White (1980)
• Test du multiplicateur de Lagrange (Lagrange Multiplier : LM)

• Homoscédasticité

Normalité des résidus en fonction des valeurs prédites

• Portail des probabilités et de la statistique