Cuándo transformar una variable de respuesta

Una transformación pudiera ser necesaria cuando los residuos exhiban varianza no constante o no normalidad.

Las transformaciones también pudieran ser útiles cuando el modelo exhibe una falta de ajuste significativa, lo cual es particularmente importante en los experimentos de análisis de superficie de respuesta. Supongamos que usted incluye todas las interacciones significativas y los términos cuadráticos en el modelo, pero la prueba de falta de ajuste indica la necesidad de términos de orden más alto. Una transformación puede eliminar la falta de ajuste.

Si la transformación corrige el problema, usted puede utilizar el análisis de regresión en lugar de otros análisis, posiblemente más complicados. Un texto apropiado sobre regresión o análisis de experimentos diseñados puede ofrecer una orientación adecuada con respecto a cuáles transformaciones resuelven diferentes problemas.

La transformación de Box-Cox es la transformación de estabilización de la varianza utilizada con más frecuencia.
Datos no transformados

En esta gráfica, los residuos exhiben una varianza no constante.

Datos transformados

Esta gráfica muestra los residuos después de la transformación de estabilización de la varianza. La escala de valores ajustados (eje X) cambia y la varianza se hace constante.

Transformar una variable de respuesta

Usted puede transformar los datos usando muchas funciones, tales como la raíz cuadrada, el logaritmo, la potencia, la recíproca o el arcoseno.

  • Para aplicar estas transformaciones directamente a los datos en la hoja de trabajo, utilice la Calculadora de Minitab.
  • Para realizar una transformación de Box-Cox, inicie el análisis y luego haga clic en Opciones.
  • En Transformación de Box-Cox, permita que Minitab determine una lambda óptima o especifique la lambda que desee.
Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política