Se você usa uma análise de capacidade criada para dados normais, tal como Análise de capacidade normal, seus dados devem seguir uma distribuição normal. Se seus dados não são normais, os resultados da análise não serão exatos. Algumas vezes você pode ser capaz de transformar dados não-normais aplicando uma função aos dados que muda seus valores para que eles sigam mais de perto uma distribuição normal.
Por exemplo, suponha que você queira realizar uma análise de capacidade sobre o tempo necessário para fornecer pizzas. Como existe um tempo mínimo necessário para a entrega, mas nenhuma quantidade máxima de tempo de entrega, os dados são assimétricos para a direita. Uma transformação pode ser aplicada para remover esta assimetria grave nos dados.
A transformação de Box-Cox é uma transformação poderosa, W = Y**λ, na qual o Minitab determina o melhor valor para λ.
Embora a melhor estimativa de lambda (λ) pudesse ser qualquer número entre −5 e 5, em qualquer situação prática você quer um valor λ que corresponde a uma transformação compreensível, tal como a raiz quadrada (λ=0,5) ou o log natural (λ=0).
A transformação de Johnson usa um algoritmo diferente daquele da transformação de Box-Cox. A função da transformação de Johnson é selecionada de três famílias de funções no sistema Johnson. Como as funções cobrem uma variedade ampla de distribuições ao alterar os parâmetros, o Minitab normalmente encontra uma transformação aceitável. A família que o Minitab seleciona é chamada Melhor Tipo de Transformação.
Se seus dados são não-normais você pode tentar uma transformação para que você possa usar uma análise de capacidade normal.