Transformação de Johnson
A transformação de Johnson é uma técnica estatística que converte dados não normais em uma distribuição semelhante à normal, tornando-os adequados para análises estatísticas que exigem normalidade. Ela usa três tipos de distribuição — SU (não limitada), SB (limitada) e SL (lognormal) — para identificar a transformação de melhor ajuste com base nas características dos dados.
Última revisão
Conclusão principal
A transformação de Johnson é uma técnica estatística que converte dados não normais em uma distribuição semelhante à normal, tornando-os adequados para análises estatísticas que exigem normalidade.
Nesta página
O que é a transformação de Johnson?
A transformação de Johnson é uma técnica estatística que converte dados não normais em uma distribuição semelhante à normal, tornando-os adequados para análises estatísticas que exigem normalidade. Ela usa três tipos de distribuição — SU (não limitada), SB (limitada) e SL (lognormal) — para identificar a transformação de melhor ajuste com base nas características dos dados. Desenvolvida por Norman L. Johnson, essa transformação é amplamente usada em controle da qualidade e em estudos de capacidade do processo. Os softwares estatísticos costumam automatizar o processo da transformação de Johnson, auxiliando a interpretação correta de dados não normais.
Quando usar a transformação de Johnson?
A transformação de Johnson é útil nos seguintes casos:
- Dados não normais: quando os dados não seguem uma distribuição normal, especialmente se apresentam assimetria ou curtose extremas.
- Análise de capacidade do processo: para obter índices de capacidade precisos (ex.: Cp, Cpk) no controle da qualidade, em que são necessários dados com distribuição normal.
- Cartas de controle: quando dados não normais afetam a exatidão da carta de controle, a transformação pode melhorar a sensibilidade da carta.
- Testes estatísticos que exigem normalidade: para testes como ANOVA ou testes t, que pressupõem normalidade, a transformação de Johnson pode ajudar a atender a essa premissa.
- Dados limitados: para dados limitados em um ou nos dois lados, como porcentagens ou contagens, a transformação de Johnson pode normalizar os valores de forma eficaz.
É comumente usada em gestão da qualidade, manufatura e projetos Six Sigma.
Diretrizes para o uso correto da transformação de Johnson
- Os dados devem ser contínuos, abrangendo medições que podem assumir qualquer valor numérico dentro de um intervalo especificado em uma escala contínua, incluindo valores fracionários e decimais. Exemplos típicos incluem variáveis como comprimento, peso e temperatura.
Alternativas: quando não usar a transformação de Johnson
- Para realizar a análise de capacidade normal de dados não normais usando uma transformação de Johnson sem armazenar os valores transformados, você pode selecionar diretamente as opções Transform dentro de Normal Capability Analysis. Nos casos em que se prefere uma transformação Box-Cox — como para cartas de controle ou na Individual Distribution Identification —, esse método é simples e intuitivo, mas limitado a dados com apenas valores positivos. Como alternativa, se transformar os dados for desnecessário, você pode ajustar os dados diretamente a uma distribuição não normal usando a opção Individual Distribution Identification.
Exemplo de transformação de Johnson
Um engenheiro da qualidade de uma empresa de suplementos nutricionais pretende avaliar o teor de cálcio em cápsulas de vitaminas. O engenheiro 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 de Johnson para normalizar os dados e salva os valores transformados na planilha para análises adicionais. Ele executa as seguintes etapas:
- Reuniu os dados necessários.

- Agora, analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
- Para encontrar Johnson Transformation, escolha Statistical module> Control Charts>Johnson Transformation.
- Dentro da ferramenta, insira os dados junto com as demais entradas, como segue:

5. Depois de usar a ferramenta mencionada acima, obtém-se a saída a seguir:


Como fazer a transformação de Johnson
O guia é o seguinte:
- Faça login no Zometric Statistical Software em https://statsai.zometric.com/
- Na página inicial, escolha Statistical Tool> Control Charts >Johnson Transformation.
- Clique em Johnson Transformation para acessar o painel (dashboard).
- Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui.
- Em seguida, você precisa preencher as opções necessárias.
- Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.
No painel (dashboard) de Johnson Transformation, a janela é dividida em duas partes.

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: Selecione as colunas (nome do atributo) de acordo com os dados fornecidos.
- P-value to select best fit: Insira um valor entre 0 e 1 para definir o nível de significância do teste de normalidade dos dados, antes e depois da transformação. Um nível de significância mais alto impõe critérios mais rigorosos de normalidade, enquanto um valor mais baixo aplica padrões menos rigorosos. Para avaliar o ajuste da distribuição, costuma-se usar um nível alfa de 0.05 ou 0.10.
Perguntas frequentes
O que é a transformação de Johnson?
A transformação de Johnson converte dados não normais em uma distribuição semelhante à normal para que possam ser usados em análises que exigem normalidade. Ela usa três tipos de distribuição, SU (não limitada), SB (limitada) e SL (lognormal), para encontrar a transformação de melhor ajuste aos dados. Foi desenvolvida por Norman L. Johnson e é amplamente usada em controle da qualidade e em estudos de capacidade do processo.
Quando usar a transformação de Johnson?
Use-a quando os dados não seguem uma distribuição normal, especialmente com assimetria ou curtose extremas; para índices de capacidade, como Cp e Cpk, que exigem dados normais; quando dados não normais afetam a exatidão da carta de controle; para testes como ANOVA ou testes t, que pressupõem normalidade; e para dados limitados em um ou nos dois lados. Os dados devem ser contínuos.
Qual é a diferença entre as transformações de Johnson e Box-Cox?
A transformação Box-Cox é simples e intuitiva, mas limitada a dados com apenas valores positivos. A transformação de Johnson escolhe entre as famílias SU, SB e SL para ajustar os dados. Se transformar for desnecessário, você pode, em vez disso, ajustar os dados diretamente a uma distribuição não normal com a Individual Distribution Identification.
Qual valor-p usar para selecionar o melhor ajuste de Johnson?
O P-value to select best fit, entre 0 e 1, define o nível de significância para o teste de normalidade antes e depois da transformação. Um valor mais alto impõe critérios mais rigorosos de normalidade, e um valor mais baixo, critérios menos rigorosos. Costuma-se usar um nível alfa de 0.05 ou 0.10 para avaliar o ajuste da distribuição.
