В прикладной статистике преобразование стабилизации отклонения - это преобразование данных, которое специально выбрано n либо для упрощения рассмотрения графического исследовательского анализа данных, либо для обеспечения возможности применения простых методов на основе регрессии или дисперсионного анализа.
Цель выбора преобразования, стабилизирующего дисперсию, - найти простую функцию ƒ для применения к значениям x в наборе данных для создания новых значений y = ƒ (x), таких, что изменчивость значений y не связана с их средним значением. Например, предположим, что значения x являются реализациями из различных распределений Пуассона : то есть каждое из распределений имеет разные средние значения μ. Затем, поскольку для распределения Пуассона дисперсия идентична среднему, дисперсия зависит от среднего. Однако, если применить простое преобразование стабилизации дисперсии
, дисперсия выборки, связанная с наблюдением, будет почти постоянной: см. Преобразование Анскомба для получения подробной информации и некоторых альтернативных преобразований.
Хотя преобразования, стабилизирующие дисперсию, хорошо известны для некоторых параметрических семейств распределений, таких как пуассоновское и биномиальное распределение, некоторые типы анализа данных проводятся более эмпирически: например, путем поиска среди преобразование мощности, чтобы найти подходящее фиксированное преобразование. В качестве альтернативы, если анализ данных предлагает функциональную форму отношения между дисперсией и средним значением, это можно использовать для вывода преобразования, стабилизирующего дисперсию. Таким образом, если для среднего μ
подходящая основа для преобразование, стабилизирующее дисперсию, будет иметь вид
где для удобства можно выбрать произвольную константу интегрирования и произвольный коэффициент масштабирования.
Если X - положительная случайная величина, а дисперсия задана как h (μ) = sμ, то стандартное отклонение пропорционально среднему значению, которое называется фиксированным относительная ошибка. В этом случае преобразование, стабилизирующее дисперсию, имеет вид
То есть преобразование, стабилизирующее дисперсию, является логарифмическим преобразованием.
Если дисперсия задана как h (μ) = σ + sμ, тогда в дисперсии преобладает фиксированная дисперсия σ, когда | μ | достаточно мала, и в ней преобладает относительная дисперсия sμ, когда | μ | достаточно большой. В этом случае преобразование, стабилизирующее дисперсию, имеет вид
То есть, преобразование, стабилизирующее дисперсию, представляет собой обратный гиперболический синус масштабированного значения x / λ для λ = σ / s.
Здесь дельта-метод представлен в грубой форме, но этого достаточно, чтобы увидеть взаимосвязь с преобразованиями, стабилизирующими дисперсию. Чтобы увидеть более формальный подход, см. дельта-метод.
. Пусть будет случайной величиной с и . Определите , где - обычная функция. Приближение Тейлора первого порядка для :
Из приведенного выше уравнения получаем:
Этот метод аппроксимации называется дельта-методом.
Рассмотрим теперь случайную величину такую, что и . Обратите внимание на связь между дисперсией и средним значением, которая подразумевает, например, гетероскедастичность в линейной модели. Следовательно, цель состоит в том, чтобы найти функцию такую, что имеет дисперсию, не зависящую (по крайней мере приблизительно) от ее ожидания.
Наложение условия , из этого равенства следует дифференциальное уравнение:
Это обыкновенное дифференциальное уравнение имеет путем разделения переменных следующее решение:
Это последнее выражение впервые появилось в М. Статья С. Бартлетта.