Transformação Box-Cox

A Box-Cox transforma dados contínuos assimétricos em direção à normalidade antes da análise de capacidade, das cartas de controle ou da regressão. A ferramenta encontra automaticamente o melhor lambda e informa também um lambda arredondado, como 0 (log) ou 0.5 (raiz quadrada). Todos os valores devem ser positivos, e recomendam-se pelo menos 20 a 30 dados. Verifique a normalidade depois; as estatísticas de capacidade são informadas na escala transformada.

Última revisão

Conclusão principal

A transformação Box-Cox converte dados contínuos não normais em uma forma quase normal por meio do parâmetro lambda, tornando confiáveis a análise de capacidade, as cartas de controle ou a regressão que pressupõem normalidade.

Nesta página
  1. O que é a transformação Box-Cox?
  2. Quando usar a transformação Box-Cox?
  3. Como o lambda (λ) funciona
  4. Diretrizes para o uso correto da transformação Box-Cox
  5. Alternativas: quando não usar a transformação Box-Cox
  6. Exemplo de transformação Box-Cox
  7. Como fazer a transformação Box-Cox

O que é a transformação Box-Cox?

A Box-Cox é uma transformação matemática aplicada aos seus dados antes de executar uma análise de capacidade ou criar uma carta de controle. Seu objetivo é converter dados que não seguem uma distribuição normal (em forma de sino) em uma forma que se aproxime bastante da normalidade.

Muitas ferramentas estatísticas pressupõem que os dados seguem uma distribuição normal. Quando isso não acontece, os resultados podem ser imprecisos ou enganosos. A Box-Cox resolve esse problema remodelando matematicamente os dados com um parâmetro de transformação chamado lambda (λ), de modo que as técnicas de análise padrão possam ser aplicadas com confiança.

Definição simples: Uma ferramenta que remodela dados assimétricos ou não normais para uma forma próxima da normal, de modo que sua análise forneça resultados precisos e confiáveis.

Quando usar a transformação Box-Cox?

  • Use quando seus dados forem contínuos, mas não normalmente distribuídos — por exemplo, medições de processo fortemente assimétricas.
  • Aplique antes de executar análise de capacidade, cartas de controle ou regressão que pressupõem normalidade.
  • Não use em dados que já são normalmente distribuídos — aplicar uma transformação desnecessária pode distorcer os resultados.

Como o lambda (λ) funciona

O lambda é o parâmetro-chave que controla a forma da transformação. A ferramenta encontra automaticamente o melhor valor de lambda para os seus dados.

Valor de lambda

Efeito nos dados

λ = 2

Transformação quadrática — corrige a assimetria à esquerda

λ = 1

Sem transformação — os dados são usados como estão

λ = 0.5

Transformação de raiz quadrada — correção leve da assimetria

λ = 0

Transformação de logaritmo natural — correção moderada da assimetria

λ = −1

Transformação inversa — correção forte da assimetria

Diretrizes para o uso correto da transformação Box-Cox

  • Todos os valores dos dados devem ser positivos — a Box-Cox não consegue tratar valores zero ou negativos.
  • Colete pelo menos 20 a 30 dados para que a transformação estime o lambda de forma confiável.
  • Após a transformação, sempre verifique a normalidade com um gráfico de probabilidade ou um teste de normalidade antes de prosseguir.
  • Use o valor de lambda arredondado fornecido na saída para a interpretação prática — ele é mais fácil de comunicar.
  • Lembre-se de que todas as estatísticas de capacidade (Cp, Cpk) são informadas na escala transformada, e não na escala dos dados originais.

Alternativas: quando não usar a transformação Box-Cox

  • Se seus dados forem baseados em atributos (aprovado/reprovado, contagens), use Capacidade Binomial ou de Poisson
  • Se seus dados já forem normalmente distribuídos, nenhuma transformação é necessária — aplicar a Box-Cox sem necessidade pode distorcer os resultados.
  • Se seus dados contiverem valores zero ou negativos, use a Transformação de Johnson , que trata toda a faixa de valores.
  • Se os dados seguirem uma distribuição não normal conhecida (ex.: Weibull, exponencial), use a Capacidade de Processo Não Normal com essa distribuição específica.
  • Se você tiver menos de 20 dados, a estimativa do lambda pode não ser confiável — colete mais dados antes de aplicar qualquer transformação.

Exemplo de transformação Box-Cox

Um engenheiro da qualidade de uma empresa de suplementos nutricionais quer avaliar o teor de cálcio em cápsulas de vitaminas. Ele reúne uma amostra aleatória de cápsulas e mede seus níveis de cálcio. Com base em observações anteriores, o engenheiro sabe que a distribuição dos dados é assimétrica à direita.

Para resolver isso, o engenheiro aplica a transformação Box-Cox para normalizar os dados e salva os valores transformados na planilha para análises adicionais. Ele executa as seguintes etapas:

  1. Reuniu os dados necessários.
Box-Cox Transformation — figure 1
  1.  Agora, analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
  2.  Para encontrar a Transformação Box-Cox, escolha Statistical module> Control Charts>Box-Cox Transformation.
  3.  Dentro da ferramenta, insere os dados juntamente com as demais entradas, da seguinte forma:
Box-Cox Transformation — figure 2

5. Após usar a ferramenta mencionada acima, obtém a saída da seguinte forma:

Box-Cox Transformation — figure 3

Como fazer a transformação Box-Cox

O guia é o seguinte:

  1. Faça login no Zometric Statistical Software em https://statsai.zometric.com/
  2. Na página inicial, escolha Statistical Tool> Control Charts >Box-Cox Transformation.
  3. Clique em Box-Cox Transformation para acessar o painel (dashboard).
  4. Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui.
  5. Em seguida, preencha as opções necessárias .
  6. Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.

No painel (dashboard) da Transformação Box-Cox, a janela é dividida em duas partes.

Box-Cox Transformation — figure 4

Na parte esquerda fica o painel de dados (Data Pane). No Data Pane, cada linha forma um subgrupo. Os dados podem ser inseridos manualmente, ou você pode copiar todos os dados (Ctrl+C) de uma planilha do Excel e colá-los (Ctrl+V) aqui.

Load example: Os dados de exemplo serão carregados.

Load File: É usado para carregar diretamente os dados do Excel.

Na parte direita, há várias opções, descritas a seguir:

  • Subgroup Columns Define como seus dados estão organizados antes de a transformação ser aplicada. Se seus dados estiverem dispostos em colunas separadas, em que cada coluna representa um subgrupo, selecione essas colunas aqui. Isso indica à ferramenta como ler e agrupar as medições para que o lambda correto seja calculado sobre a estrutura de dados adequada.
  • Alpha (Default 0.05) Define o nível de significância usado para determinar o intervalo de confiança do lambda. O padrão de 0.05 significa que há 5% de chance de rejeitar incorretamente um valor de lambda, o que fornece um intervalo de confiança de 95% em torno do lambda de melhor ajuste. Um alfa menor torna o intervalo de confiança mais largo e mais conservador; um alfa maior o estreita. O padrão de 0.05 é o padrão universalmente aceito na análise estatística.
  • Lambda (λ) O parâmetro de transformação que controla como os dados são remodelados matematicamente. A ferramenta procura automaticamente o valor ideal de lambda que torna seus dados o mais próximo possível da distribuição normal. O lambda exato é o valor matemático preciso calculado a partir dos seus dados — pode ser um decimal como 0.3271 ou −0.8145.
  • Rounded Lambda Uma versão simplificada e prática do valor exato de lambda, arredondada para um número padrão como 0, 0.5 ou 1. É recomendada para uso no mundo real porque corresponde a uma transformação reconhecível (ex.: log, raiz quadrada) que é mais fácil de explicar, documentar e reproduzir. Na maioria dos casos, o lambda arredondado oferece resultado quase igual ao do valor exato, com interpretabilidade muito maior.
  • Download as Excel: Exibe o resultado em formato Excel, que pode ser facilmente editado e recarregado para os cálculos por meio da opção load file.

Perguntas frequentes

O que é a transformação Box-Cox?

A transformação Box-Cox converte dados contínuos que não seguem uma distribuição normal em uma forma que se aproxima bastante da normalidade, usando um parâmetro chamado lambda. Ela é aplicada antes da análise de capacidade, das cartas de controle ou da regressão que pressupõem normalidade, para que as técnicas padrão forneçam resultados confiáveis. A ferramenta encontra automaticamente o melhor lambda para os dados.

O que significam os valores comuns de lambda na Box-Cox?

Um lambda de 2 é uma transformação quadrática que corrige a assimetria à esquerda, 1 significa sem transformação, 0.5 é uma transformação de raiz quadrada para assimetria leve, 0 é uma transformação de logaritmo natural para assimetria moderada e -1 é uma transformação inversa para assimetria forte. A saída fornece o lambda exato e um lambda arredondado, que é mais fácil de explicar e reproduzir.

Quais são os requisitos para usar a Box-Cox?

Todos os valores dos dados devem ser positivos, pois a Box-Cox não consegue tratar valores zero ou negativos. Colete pelo menos 20 a 30 dados para que o lambda possa ser estimado de forma confiável e verifique a normalidade depois, com um gráfico de probabilidade ou um teste de normalidade. Não a aplique a dados que já são normais, pois uma transformação desnecessária pode distorcer os resultados.

Quando usar a transformação de Johnson ou a capacidade não normal em vez dela?

Use a Transformação de Johnson se os dados contiverem valores zero ou negativos. Se os dados seguirem uma distribuição não normal conhecida, como Weibull ou exponencial, use a Capacidade de Processo Não Normal com essa distribuição. Para dados por atributos, como aprovado/reprovado ou contagens, use a Capacidade Binomial ou de Poisson.