Homoscedasticity (homoscedasticidad en español)

Es una palabra usada en la estadística para referirse a una condición mandatoria para la validez de los análisis de varianza (ANOVA) y de regresión linear. Como muchas veces en Six Sigma los participantes sufren de Hippopotomonstrosesquipedaliofobia, es decir miedo a las palabras largas, ya que lo asocian a un concepto difícil, homoscedasticidad tiene tendencia a ser ignorada durante el aprendizaje o formación, y por lo tanto muchas pruebas que resultan ser no aceptadas por el software estadístico en uso no se sabe interpretar y simplemente concluyen que se rechazo la hipótesis nula sin entender el porque.

Homoscedasticity (inglés) o homoscedasticidad (español) es simple además que es muy importante sobre la decisión de usar pruebas paramétricas o no paramétricas si la distribución no es normal. Si entendemos la palabra en si veremos que el concepto es fácil. Homoscedasticity viene del griego:

homo igual en griego Homo = same (en inglés) = mismo (en español)
scedastic en griego Skedannyvai = scatter (en inglés)  = disperso (en español)

Homoscedasticidad significa entonces "de la misma dispersión" o dispersión estadísticamente equivalente; y su contraria seria heteroscedasticidad. Podemos observar gráficamente la diferencia..





Observando los gráficos es fácil de entender que homoscedasticidad es que todos los puntos de la línea de regresión no son dispersos, es decir que la varianza en la repuesta "y" (en el gráfico x2) es independiente del predictor "x".  En una prueba de hipótesis ANOVA si desea comparar muestras de diferentes tamaños, existe un riesgo mucho más alto de obtener resultados imprecisos, si la data previamente no ha sido probada para homoscedasticidad.

Referirse al tema homescedasticity test en el foro "how to..."  para más detalles sobre como probar que los datos son homoscedasticos. Pulse aquí