Especifique uma transformação para um Sixpack de capacidade normal

Estat > Ferramentas da Qualidade > Capability Sixpack > Normal > Transformar
Você pode transformar seus dados para se ajustarem a uma distribuição normal a fim de satisfazer aos pressupostos para a análise.
  • Nenhuma transformação: Não use uma transformação se os seus dados já seguem uma distribuição normal. Para determinar a distribuição de seus dados ou se uma transformação será eficaz caso seus dados sejam não-normais, use Identificação de distribuição individual.
  • Transformação de poder de Box-Cox (W = Y^λ): Use a transformação Box-Cox, se os dados não-normais forem todos positivos (0>) e quiser obter estimativas de capacidade dentro do subgrupo (potencial), bem como capacidade global. A transformação Box-Cox é uma transformação simples e fácil de entender.
    Selecione o valor lambda (λ) que Minitab usa para transformar os dados.
    • Usar λ ideal: Use o lambda ideal, que deve produzir a melhor transformação de ajuste. O Minitab arredonda o lambda ideal para 0,5 ou o número inteiro mais próximo.
      Observação

      Para usar um valor exato em vez de um valor arredondado para λ ideal, escolha Ferramentas > Opções > Cartas de Controle e Ferramentas da Qualidade > Outro e desmarque Usar valores arredondados para transformações Box-Cox quando possível.

    • λ = 0 (ln): Use o log natural de seus dados.
    • λ = 0,5 (raiz quadrada): Use a raiz quadrada de seus dados.
    • Outros (insira um valor entre -5 e 5): Use um valor especificado para lambda. Outras transformações comuns são o quadrado (λ = 2), a raiz quadrada inversa (λ = −0,5) e inversa (λ = −1). Na maioria dos casos, você não deve usar um valor fora do intervalo de −2 e 2.
  • Transformação de Johnson (somente para análise global): Use a transformação de Johnson se seus dados não-normais contêm valores negativos (ou 0) ou se a transformação de Box-Cox não for eficaz. A função de transformação de Johnson é mais complicada do que de Box-Cox, mas é muito poderosa para encontrar uma transformação adequada.
    Valor-P para selecionar o melhor ajuste

    Insira um valor entre 0 e 1. O valor que você inserir define o nível de significância para um teste de normalidade dos dados antes e depois da transformação. Um valor mais alto torna os critérios de normalidade mais rigorosos. Um valor mais baixo torna os critérios de normalidade menos rigorosos.

Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política