Johnson 변환(Johnson Transformation)
Johnson 변환은 비정규 데이터를 정규분포에 가까운 분포로 변환하여, 정규성을 요구하는 통계 분석에 사용할 수 있게 하는 통계 기법입니다. SU(비유계), SB(유계), SL(로그정규)의 세 가지 분포 유형을 사용하여 데이터 특성에 가장 잘 맞는 변환을 찾습니다.
최종 검토
핵심 요점
Johnson 변환은 비정규 데이터를 정규분포에 가까운 분포로 변환하여, 정규성을 요구하는 통계 분석에 사용할 수 있게 하는 통계 기법입니다.
이 페이지 내용
Johnson 변환이란?
Johnson 변환은 비정규 데이터를 정규분포에 가까운 분포로 변환하여, 정규성을 요구하는 통계 분석에 사용할 수 있게 하는 통계 기법입니다. SU(비유계), SB(유계), SL(로그정규)의 세 가지 분포 유형을 사용하여 데이터 특성에 가장 잘 맞는 변환을 찾습니다. Norman L. Johnson이 개발한 이 변환은 품질 관리와 공정능력 연구에서 널리 사용됩니다. 통계 소프트웨어는 일반적으로 Johnson 변환 과정을 자동화하여 비정규 데이터를 정확하게 해석할 수 있도록 돕습니다.
Johnson 변환은 언제 사용합니까?
Johnson 변환은 다음과 같은 경우에 유용합니다.
- 비정규 데이터: 데이터가 정규분포를 따르지 않을 때, 특히 왜도나 첨도가 극단적일 때 사용합니다.
- 공정능력 분석: 정규분포를 따르는 데이터가 필요한 품질 관리에서 정확한 공정능력 지수(예: Cp, Cpk)를 구할 때 사용합니다.
- 관리도: 비정규 데이터가 관리도의 정확도에 영향을 줄 때, 이 변환으로 관리도의 감도를 높일 수 있습니다.
- 정규성을 요구하는 통계 검정: 정규성을 가정하는 ANOVA나 t 검정 같은 검정에서 Johnson 변환이 이 가정을 충족하는 데 도움이 될 수 있습니다.
- 유계 데이터: 백분율이나 개수처럼 한쪽 또는 양쪽이 한정된 데이터에서 Johnson 변환은 값을 효과적으로 정규화할 수 있습니다.
품질 관리, 제조, 식스 시그마 프로젝트에서 흔히 사용됩니다.
Johnson 변환의 올바른 사용 지침
- 데이터는 연속형이어야 합니다. 즉 연속 척도에서 지정된 범위 내의 어떤 숫자 값이든 가질 수 있는 측정값이며, 분수와 소수 값도 포함합니다. 길이, 무게, 온도와 같은 변수가 대표적인 예입니다.
대안: Johnson 변환을 사용하지 않아야 할 때
- 변환된 값을 저장하지 않고 Johnson 변환을 사용하여 비정규 데이터에 대해 정규 공정능력 분석을 수행하려면 Normal Capability Analysis 안에서 Transform 옵션을 직접 선택할 수 있습니다. 관리도나 Individual Distribution Identification과 같이 Box-Cox 변환이 선호되는 경우에는 이 방법이 간단하고 직관적이지만 양수 값만 있는 데이터로 제한됩니다. 또는 데이터를 변환할 필요가 없다면 Individual Distribution Identification 옵션을 사용하여 데이터를 비정규 분포에 직접 적합시킬 수 있습니다.
Johnson 변환 예제
영양제 회사의 품질 엔지니어가 비타민 캡슐의 칼슘 함량을 평가하려고 합니다. 엔지니어는 캡슐을 무작위로 표본 추출하여 칼슘 수준을 측정합니다. 이전 관찰을 바탕으로 엔지니어는 데이터 분포가 오른쪽으로 치우쳐 있음을 알고 있습니다.
이를 해결하기 위해 엔지니어는 Johnson 변환을 적용하여 데이터를 정규화하고, 추가 분석을 위해 변환된 값을 워크시트에 저장합니다. 다음 단계를 수행합니다.
- 필요한 데이터를 수집했습니다.

- 이제 Zometric Statistical Software에서 데이터를 분석합니다: https://statsai.zometric.com/.
- Johnson Transformation을 찾으려면 다음 메뉴를 선택합니다: Statistical module> Control Charts>Johnson Transformation.
- 도구 안에 데이터와 다음과 같은 기타 입력값을 입력합니다.

5. 위 도구를 사용한 후, 다음과 같은 출력을 얻습니다.


Johnson 변환 방법
절차는 다음과 같습니다.
- Zometric Statistical Software에 로그인합니다: https://statsai.zometric.com/
- 홈 페이지에서 Statistical Tool> Control Charts >Johnson Transformation을 선택합니다.
- Johnson Transformation을 클릭하여 도구 화면으로 이동합니다.
- 다음으로, 데이터를 직접 입력하거나 엑셀 시트의 데이터를 전부 복사(Ctrl+C)하여 여기에 붙여넣습니다(Ctrl+V).
- 다음으로, 필요한 옵션을 입력해야 합니다.
- 마지막으로, 페이지 하단의 calculate를 클릭하면 원하는 결과를 얻을 수 있습니다.
Johnson Transformation의 도구 화면은 두 부분으로 나뉘어 있습니다.

왼쪽 부분에는 데이터 창(Data Pane)이 있습니다. Data Pane에서는 각 행이 하나의 부분군이 됩니다. 데이터를 직접 입력하거나 엑셀 시트의 데이터를 전부 복사(Ctrl+C)하여 여기에 붙여넣을(Ctrl+V) 수 있습니다.
Load example: 샘플 데이터가 로드됩니다.
Load File: 엑셀 데이터를 바로 로드하는 데 사용합니다.
오른쪽 부분에는 다음과 같은 여러 옵션이 있습니다.
- Subgroup Columns: 주어진 데이터에 맞게 열(속성 이름)을 선택합니다.
- P-value to select best fit: 변환 전후의 데이터 정규성을 검정하는 유의수준을 설정하기 위해 0과 1 사이의 값을 입력합니다. 유의수준이 높을수록 정규성에 대한 기준이 더 엄격해지고, 낮을수록 덜 엄격한 기준이 적용됩니다. 분포 적합도를 평가할 때는 알파 수준 0.05 또는 0.10을 자주 사용합니다.
자주 묻는 질문
Johnson 변환이란 무엇입니까?
Johnson 변환은 비정규 데이터를 정규분포에 가까운 분포로 변환하여 정규성을 요구하는 분석에 사용할 수 있게 합니다. SU(비유계), SB(유계), SL(로그정규)의 세 가지 분포 유형을 사용하여 데이터에 가장 잘 맞는 변환을 찾습니다. Norman L. Johnson이 개발했으며 품질 관리와 공정능력 연구에서 널리 사용됩니다.
Johnson 변환은 언제 사용해야 합니까?
데이터가 정규분포를 따르지 않을 때, 특히 왜도나 첨도가 극단적일 때, 정규 데이터가 필요한 Cp와 Cpk 같은 공정능력 지수에, 비정규 데이터가 관리도의 정확도에 영향을 줄 때, 정규성을 가정하는 ANOVA나 t 검정 같은 검정에, 한쪽 또는 양쪽이 한정된 데이터에 사용합니다. 데이터는 연속형이어야 합니다.
Johnson 변환과 Box-Cox 변환의 차이는 무엇입니까?
Box-Cox 변환은 간단하고 직관적이지만 양수 값만 있는 데이터로 제한됩니다. Johnson 변환은 SU, SB, SL 계열 중에서 데이터에 맞는 것을 선택합니다. 변환이 불필요하다면 대신 Individual Distribution Identification으로 데이터를 비정규 분포에 직접 적합시킬 수 있습니다.
Johnson 변환의 최적 적합을 선택하려면 어떤 p-값을 사용해야 합니까?
P-value to select best fit은 0과 1 사이의 값으로, 변환 전후의 정규성을 검정하는 유의수준을 설정합니다. 값이 높을수록 정규성에 대한 기준이 더 엄격하고 낮을수록 덜 엄격합니다. 분포 적합도를 평가할 때는 알파 수준 0.05 또는 0.10을 자주 사용합니다.
