Especificar una transformación para un Análisis Capability Sixpack normal

Estadísticas > Herramientas de calidad > Análisis Capability Sixpack > Normal > Transformar
Usted puede transformar los datos para que se ajusten a una distribución normal para satisfacer los supuestos del análisis.
  • Sin transformación: No utilice una transformación si los datos ya siguen una distribución normal. Para determinar la distribución de los datos, o si una transformación será efectiva si los datos no son normales, utilice Identificación de distribución individual.
  • Transformación de potencia de Box-Cox (W = Y^λ): Utilice la transformación de Box-Cox si todos los datos no normales son positivos (> 0) y usted desea obtener estimaciones de la capacidad dentro de los subgrupos (potencial), así como de la capacidad a largo plazo. La transformación de Box-Cox es una transformación simple y fácil de entender.
    Seleccione el valor de lambda (λ) que Minitab utiliza para transformar los datos.
    • Usar λ óptimo: Utilice el valor óptimo de lambda, que debe producir la transformación con el mejor ajuste. Minitab redondea la lambda óptima a 0,5 o al entero más cercano.
      Nota

      Para utilizar un valor exacto en lugar de un valor redondeado de λ óptima, elija Archivo > Opciones > Gráficas de control y herramientas de calidad > Otros y desmarque Usar valores redondeados para las transformaciones de Box-Cox cuando sea posible.

    • λ = 0 (ln): Usar el logaritmo natural de los datos.
    • λ = 0.5 (raíz cuadrada): Usar la raíz cuadrada de los datos.
    • Otro (ingrese un valor entre -5 y 5): Usar un valor especificado para lambda. Otras transformaciones comunes son el cuadrado (λ = 2), la raíz cuadrada inversa (λ = −0,5) y la inversa (λ = −1). En la mayoría de los casos, no se debe usar un valor fuera del rango de −2 y 2.
  • Transformación de Johnson (para análisis general solamente): Utilice la transformación de Johnson si los datos no normales contienen valores negativos (o 0) o si la transformación de Box-Cox no es efectiva. La función de transformación de Johnson es más complicada que la de Box-Cox, pero es muy efectiva para encontrar una transformación apropiada.
    Valor P para seleccionar mejor ajuste

    Ingrese un valor entre 0 y 1. El valor que usted ingrese define el nivel de significancia para una prueba de normalidad de los datos antes y después de la transformación. Un valor más alto hace que el criterio de normalidad sea más riguroso. Un valor más bajo hace que el criterio de normalidad sea menos exigente.

Al utilizar este sitio, usted acepta el uso de cookies para efectos de análisis y contenido personalizado.  Leer nuestra política