Transformación de Box-Cox
Box-Cox transforma datos continuos asimétricos hacia la normalidad antes del análisis de capacidad, las gráficas de control o la regresión. La herramienta halla automáticamente el mejor lambda y también informa un lambda redondeado, como 0 (logaritmo) o 0.5 (raíz cuadrada). Todos los valores deben ser positivos y se recomiendan al menos 20 a 30 datos. Verifique después la normalidad; los estadísticos de capacidad se informan en la escala transformada.
Última revisión:
Idea clave
La transformación de Box-Cox convierte datos continuos no normales en una forma casi normal mediante un parámetro llamado lambda, de modo que la capacidad, las gráficas de control o la regresión que suponen normalidad sean fiables.
En esta página
¿Qué es la transformación de Box-Cox?
Box-Cox es una transformación matemática que se aplica a sus datos antes de realizar un análisis de capacidad o crear una gráfica de control. Su finalidad es convertir datos que no siguen una distribución normal (en forma de campana) en una forma que se parezca mucho a la normalidad.
Muchas herramientas estadísticas suponen que los datos siguen una distribución normal. Cuando no es así, los resultados pueden ser inexactos o engañosos. Box-Cox lo resuelve remodelando matemáticamente los datos mediante un parámetro de transformación llamado lambda (λ), de modo que las técnicas de análisis habituales puedan aplicarse con fiabilidad.
Definición sencilla: Una herramienta que convierte datos asimétricos o no normales en una forma similar a la normal, para que su análisis ofrezca resultados exactos y confiables.
¿Cuándo usar la transformación de Box-Cox?
- Úsela cuando sus datos sean continuos pero no sigan una distribución normal , por ejemplo, mediciones de proceso con fuerte asimetría.
- Aplíquela antes de realizar análisis de capacidad, gráficas de control o regresión que suponen normalidad.
- No la use con datos que ya siguen una distribución normal: aplicar una transformación innecesaria puede distorsionar los resultados.
Cómo funciona lambda (λ)
Lambda es el parámetro clave que controla la forma de la transformación. La herramienta halla automáticamente el mejor valor de lambda para sus datos.
Valor de lambda
Efecto sobre los datos
λ = 2
Transformación cuadrática: corrige la asimetría a la izquierda
λ = 1
Sin transformación: los datos se usan tal cual
λ = 0.5
Transformación de raíz cuadrada: corrección leve de la asimetría
λ = 0
Transformación logarítmica natural: corrección moderada de la asimetría
λ = −1
Transformación inversa: corrección fuerte de la asimetría
Pautas para el uso correcto de la transformación de Box-Cox
- Todos los valores de los datos deben ser positivos : Box-Cox no puede manejar valores cero ni negativos.
- Reúna al menos 20 a 30 datos para que la transformación estime lambda de forma fiable.
- Después de la transformación, verifique siempre la normalidad con una gráfica de probabilidad o una prueba de normalidad antes de continuar.
- Use el valor de lambda redondeado que se muestra en la salida para la interpretación práctica: es más fácil de comunicar.
- Recuerde que todos los estadísticos de capacidad (Cp, Cpk) se informan en la escala transformada, no en la escala de los datos originales.
Alternativas: cuándo no usar la transformación de Box-Cox
- Si sus datos son de atributos (aprobado/rechazado, conteos), use capacidad binomial o de Poisson
- Si sus datos ya siguen una distribución normal, no se necesita ninguna transformación: aplicar Box-Cox sin necesidad puede distorsionar los resultados.
- Si sus datos contienen valores cero o negativos, use en su lugar transformación de Johnson , que maneja todo el rango de valores.
- Si los datos siguen una distribución no normal conocida (p. ej., Weibull, exponencial), use capacidad de proceso no normal con esa distribución específica.
- Si tiene menos de 20 datos, la estimación de lambda puede no ser fiable: reúna más datos antes de aplicar cualquier transformación.
Ejemplo de transformación de Box-Cox
Un ingeniero de calidad de una empresa de suplementos nutricionales desea evaluar el contenido de calcio de unas cápsulas de vitaminas. El ingeniero reúne una muestra aleatoria de cápsulas y mide su nivel de calcio. Por observaciones anteriores, sabe que la distribución de los datos tiene asimetría a la derecha.
Para abordarlo, el ingeniero aplica la transformación de Box-Cox para normalizar los datos y guarda los valores transformados en la hoja de trabajo para análisis adicionales. Realiza los siguientes pasos:
- Recopiló los datos necesarios.

- Ahora analice los datos en Zometric Statistical Software en https://statsai.zometric.com/.
- Para encontrar Box-Cox Transformation, elija Statistical module> Control Charts>Box-Cox Transformation.
- Dentro de la herramienta, introduzca los datos junto con otras entradas de la siguiente manera:

5. Después de usar la herramienta mencionada, se obtiene la salida siguiente:

Cómo realizar una transformación de Box-Cox
La guía es la siguiente:
- Inicie sesión en Zometric Statistical Software en https://statsai.zometric.com/
- En la página de inicio, elija Statistical Tool> Control Charts >Box-Cox Transformation.
- Haga clic en Box-Cox Transformation para llegar al tablero.
- A continuación, introduzca los datos manualmente o copie todos los datos (Ctrl+C) de una hoja de Excel y péguelos (Ctrl+V).
- A continuación, complete las opciones requeridas.
- Por último, haga clic en calculate en la parte inferior de la página para obtener los resultados deseados.
En el tablero de Box-Cox Transformation, la ventana está dividida en dos partes.

En la parte izquierda se encuentra el panel de datos (Data Pane). En el Data Pane, cada fila forma un subgrupo. Los datos pueden introducirse manualmente o copiarse por completo (Ctrl+C) de una hoja de Excel y pegarse (Ctrl+V) aquí.
Load example: Se cargarán los datos de ejemplo.
Load File: Se usa para cargar directamente los datos de Excel.
En la parte derecha hay varias opciones, como las siguientes:
- Subgroup Columns Define cómo están organizados sus datos antes de aplicar la transformación. Si sus datos están dispuestos en columnas separadas en las que cada columna representa un subgrupo, seleccione aquí esas columnas. Esto indica a la herramienta cómo leer y agrupar las mediciones para que el lambda se calcule sobre la estructura de datos correcta.
- Alpha (Default 0.05) Establece el nivel de significancia usado para determinar el intervalo de confianza de lambda. El valor predeterminado de 0.05 significa que existe un 5% de probabilidad de rechazar incorrectamente un valor de lambda, lo que da un intervalo de confianza del 95% alrededor del lambda de mejor ajuste. Un alfa menor hace el intervalo de confianza más amplio y más conservador; un alfa mayor lo estrecha. El valor predeterminado de 0.05 es el estándar universalmente aceptado en el análisis estadístico.
- Lambda (λ) El parámetro de transformación que controla cómo se remodelan matemáticamente los datos. La herramienta busca automáticamente el valor óptimo de lambda que hace que sus datos se acerquen lo más posible a una distribución normal. El lambda exacto es el valor matemático preciso calculado a partir de sus datos; puede ser un decimal como 0.3271 o −0.8145.
- Rounded Lambda Una versión simplificada y práctica del valor exacto de lambda, redondeada a un número estándar como 0, 0.5 o 1. Se recomienda para el uso real porque corresponde a una transformación reconocible (p. ej., logarítmica, raíz cuadrada) que es más fácil de explicar, documentar y reproducir. En la mayoría de los casos, el lambda redondeado da casi el mismo resultado que el valor exacto con una interpretación mucho más sencilla.
- Download as Excel: Muestra el resultado en formato Excel, que puede editarse fácilmente y volver a cargarse para los cálculos mediante la opción load file.
Preguntas frecuentes
¿Qué es la transformación de Box-Cox?
La transformación de Box-Cox convierte datos continuos que no siguen una distribución normal en una forma que se parece mucho a la normalidad, mediante un parámetro llamado lambda. Se aplica antes del análisis de capacidad, las gráficas de control o la regresión que suponen normalidad, para que las técnicas habituales den resultados fiables. La herramienta halla automáticamente el mejor lambda para los datos.
¿Qué significan los valores habituales de lambda en Box-Cox?
Un lambda de 2 es una transformación cuadrática que corrige la asimetría a la izquierda, 1 significa sin transformación, 0.5 es una transformación de raíz cuadrada para una asimetría leve, 0 es una transformación logarítmica natural para una asimetría moderada y -1 es una transformación inversa para una asimetría fuerte. La salida da el lambda exacto y un lambda redondeado, más fácil de explicar y reproducir.
¿Cuáles son los requisitos para usar Box-Cox?
Todos los valores de los datos deben ser positivos, porque Box-Cox no puede manejar valores cero ni negativos. Reúna al menos 20 a 30 datos para estimar lambda de forma fiable y verifique después la normalidad con una gráfica de probabilidad o una prueba de normalidad. No la aplique a datos que ya son normales, pues una transformación innecesaria puede distorsionar los resultados.
¿Cuándo conviene usar la transformación de Johnson o la capacidad no normal?
Use la transformación de Johnson si los datos contienen valores cero o negativos. Si los datos siguen una distribución no normal conocida, como Weibull o exponencial, use la capacidad de proceso no normal con esa distribución. Para datos de atributos, como aprobado/rechazado o conteos, use la capacidad binomial o de Poisson.
