Box-Cox 변환(Box-Cox Transformation)
Box-Cox는 공정능력 분석, 관리도 또는 회귀분석에 앞서 치우친 연속형 데이터를 정규분포에 가깝게 변환합니다. 도구가 최적 람다를 자동으로 찾고, 0(로그)이나 0.5(제곱근)와 같이 반올림한 람다도 함께 보고합니다. 모든 값은 양수여야 하며 데이터 점은 20~30개 이상을 권장합니다. 이후 정규성을 확인하십시오. 공정능력 통계량은 변환된 척도로 보고됩니다.
최종 검토
핵심 요점
Box-Cox 변환은 람다라는 모수를 사용하여 연속형 비정규 데이터를 정규분포에 가까운 형태로 바꿔, 정규성을 가정하는 공정능력 분석, 관리도, 회귀분석의 신뢰성을 높입니다.
이 페이지 내용
Box-Cox 변환이란?
Box-Cox는 공정능력 분석을 실행하거나 관리도를 작성하기 전에 데이터에 적용하는 수학적 변환입니다. 정규분포(종 모양 분포)를 따르지 않는 데이터를 정규분포에 가까운 형태로 바꾸는 것이 목적입니다.
많은 통계 도구는 데이터가 정규분포를 따른다고 가정합니다. 그렇지 않으면 결과가 부정확하거나 오해를 부를 수 있습니다. Box-Cox는 람다(λ)라는 변환 모수를 사용하여 데이터를 수학적으로 재구성함으로써, 표준 분석 기법을 신뢰성 있게 적용할 수 있게 해 줍니다.
간단한 정의: 치우치거나 정규분포를 따르지 않는 데이터를 정규분포와 비슷한 형태로 바꿔, 분석 결과가 정확하고 신뢰할 수 있게 해 주는 도구입니다.
Box-Cox 변환은 언제 사용합니까?
- 데이터가 연속형이지만 정규분포를 따르지 않을 때 사용합니다. 예를 들어 심하게 치우친 공정 측정값이 해당됩니다.
- 정규성을 가정하는 공정능력 분석, 관리도 또는 회귀분석 을 실행하기 전에 적용합니다.
- 이미 정규분포를 따르는 데이터에는 사용하지 마십시오 . 불필요한 변환을 적용하면 결과가 왜곡될 수 있습니다.
람다(λ)의 작동 방식
람다는 변환의 형태를 결정하는 핵심 모수입니다. 도구가 데이터에 가장 적합한 람다 값을 자동으로 찾습니다.
람다 값
데이터에 미치는 효과
λ = 2
제곱 변환 — 왼쪽으로 치우친 분포(좌측 왜도)를 보정합니다
λ = 1
변환 없음 — 데이터를 그대로 사용합니다
λ = 0.5
제곱근 변환 — 약한 왜도를 보정합니다
λ = 0
자연로그 변환 — 보통 수준의 왜도를 보정합니다
λ = −1
역수 변환 — 강한 왜도를 보정합니다
Box-Cox 변환의 올바른 사용 지침
- 모든 데이터 값은 양수 여야 합니다. Box-Cox는 0 또는 음수 값을 처리할 수 없습니다.
- 람다를 신뢰성 있게 추정하려면 최소 20~30개의 데이터 점 을 수집하십시오.
- 변환 후에는 다음 단계로 진행하기 전에 반드시 확률도 또는 정규성 검정으로 정규성을 확인 하십시오.
- 실무적 해석에는 출력에 제공되는 반올림한 람다 값 을 사용하십시오. 전달하기가 더 쉽습니다.
- 모든 공정능력 통계량(Cp, Cpk)은 원래 데이터 척도가 아니라 변환된 척도로 보고된다는 점에 유의하십시오.
대안: Box-Cox 변환을 사용하지 않아야 할 때
- 데이터가 계수형(합격/불합격, 개수)인 경우에는 다음을 사용하십시오: 이항 공정능력 또는 포아송 공정능력
- 데이터가 이미 정규분포를 따르는 경우변환이 필요하지 않습니다. Box-Cox를 불필요하게 적용하면 결과가 왜곡될 수 있습니다.
- 데이터에 0 또는 음수 값이 포함되어 있다면 대신 Johnson 변환 을 사용하십시오. 이 변환은 모든 범위의 값을 처리할 수 있습니다.
- 데이터가 알려진 비정규분포(예: Weibull, 지수분포)를 따른다면 대신 해당 분포를 지정하여 비정규 공정능력 을 사용하십시오.
- 데이터 점이 20개 미만이면 람다 추정을 신뢰하기 어려울 수 있습니다. 변환을 적용하기 전에 더 많은 데이터를 수집하십시오.
Box-Cox 변환 예제
한 영양제 회사의 품질 엔지니어가 비타민 캡슐의 칼슘 함량을 평가하려고 합니다. 엔지니어는 캡슐을 무작위로 표본 추출하여 칼슘 수준을 측정합니다. 이전 관찰을 통해 이 데이터 분포가 오른쪽으로 치우쳐 있다는 것을 알고 있습니다.
이를 해결하기 위해 엔지니어는 Box-Cox 변환을 적용하여 데이터를 정규화하고, 추가 분석을 위해 변환된 값을 워크시트에 저장합니다. 단계는 다음과 같습니다.
- 필요한 데이터를 수집했습니다.

- 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
- Box-Cox Transformation을 찾으려면 다음을 선택합니다: Statistical module> Control Charts>Box-Cox Transformation.
- 도구 안에서 데이터와 기타 입력값을 다음과 같이 입력합니다.

5. 위 도구를 사용하면 다음과 같은 출력을 얻습니다.

Box-Cox 변환 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Control Charts >Box-Cox Transformation을 선택합니다.
- 이어서 Box-Cox Transformation을 클릭하여 도구 화면으로 이동합니다.
- 다음으로, 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 붙여넣습니다(Ctrl+V).
- 다음으로, 필요한 옵션을 입력합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
Box-Cox 변환 도구 화면은 두 부분으로 나뉩니다.

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군이 됩니다. 데이터를 직접 입력하거나 Excel 시트에서 데이터 전체를 복사(Ctrl+C)하여 여기에 붙여넣을(Ctrl+V) 수 있습니다.
Load example: 예제 데이터가 로드됩니다.
Load File : Excel 데이터를 직접 로드하는 데 사용합니다.
오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.
- Subgroup Columns 변환을 적용하기 전에 데이터가 어떻게 구성되어 있는지를 정의합니다. 데이터가 각 열이 하나의 부분군을 나타내는 별도의 열로 배열되어 있다면 여기서 해당 열을 선택합니다. 이렇게 하면 도구가 측정값을 어떻게 읽고 묶을지 알 수 있어, 올바른 데이터 구조를 기준으로 람다가 계산됩니다.
- Alpha (Default 0.05) 람다의 신뢰구간을 구하는 데 사용하는 유의수준을 설정합니다. 기본값 0.05는 람다 값을 잘못 기각할 확률이 5%라는 뜻이며, 최적 람다 주위에 95% 신뢰구간이 만들어집니다. alpha를 낮추면 신뢰구간이 넓어져 더 보수적이 되고, 높이면 좁아집니다. 기본값 0.05는 통계 분석에서 보편적으로 인정되는 표준입니다.
- Lambda (λ) 데이터를 수학적으로 어떻게 재구성할지 결정하는 변환 모수입니다. 도구가 데이터를 정규분포에 최대한 가깝게 만드는 최적 람다 값을 자동으로 탐색합니다. 정확한 람다는 데이터로부터 계산된 정밀한 수학적 값이며, 0.3271이나 −0.8145와 같은 소수일 수 있습니다.
- Rounded Lambda 정확한 람다 값을 0, 0.5, 1과 같은 표준 숫자로 반올림한 단순하고 실용적인 값입니다. 로그, 제곱근 등 알아보기 쉬운 변환에 대응하여 설명, 문서화, 재현이 더 쉬우므로 실무에서 사용하기를 권장합니다. 대부분의 경우 반올림한 람다는 정확한 값과 거의 같은 결과를 내면서 해석은 훨씬 쉽습니다.
- Download as Excel: 결과를 Excel 형식으로 표시합니다. 이 파일은 쉽게 편집할 수 있고 load file 옵션으로 다시 로드하여 계산에 사용할 수 있습니다.
자주 묻는 질문
Box-Cox 변환이란 무엇입니까?
Box-Cox 변환은 람다라는 모수를 사용하여 정규분포를 따르지 않는 연속형 데이터를 정규분포에 가까운 형태로 바꿉니다. 정규성을 가정하는 공정능력 분석, 관리도 또는 회귀분석에 앞서 적용하며, 표준 기법이 신뢰할 수 있는 결과를 내도록 해 줍니다. 도구가 데이터에 가장 적합한 람다를 자동으로 찾습니다.
Box-Cox에서 일반적인 람다 값은 각각 무엇을 의미합니까?
람다 2는 왼쪽으로 치우친 분포를 보정하는 제곱 변환, 1은 변환 없음, 0.5는 약한 왜도를 위한 제곱근 변환, 0은 보통 수준의 왜도를 위한 자연로그 변환, -1은 강한 왜도를 위한 역수 변환입니다. 출력에는 정확한 람다와 반올림한 람다가 제공되며, 반올림한 값이 설명하고 재현하기에 더 쉽습니다.
Box-Cox를 사용하기 위한 요건은 무엇입니까?
Box-Cox는 0 또는 음수 값을 처리할 수 없으므로 모든 데이터 값이 양수여야 합니다. 람다를 신뢰성 있게 추정하려면 데이터 점을 최소 20~30개 수집하고, 이후 확률도나 정규성 검정으로 정규성을 확인하십시오. 이미 정규분포를 따르는 데이터에는 불필요한 변환이 결과를 왜곡할 수 있으므로 적용하지 마십시오.
Johnson 변환이나 비정규 공정능력은 언제 대신 사용해야 합니까?
데이터에 0 또는 음수 값이 있으면 Johnson 변환을 사용하십시오. 데이터가 Weibull이나 지수분포와 같이 알려진 비정규분포를 따른다면 해당 분포를 지정하여 비정규 공정능력을 사용하십시오. 합격/불합격이나 개수와 같은 계수형 데이터에는 이항 공정능력 또는 포아송 공정능력을 사용하십시오.
