روش‏ های مختلف نرمال سازی داده

در بسیاری از روشهای آماری نرمال بودن متغیر وابسته یکی از فروض  اصلی  بشمار میرود که زیر به  برخی روشهای معمول نرمال سازی اشاره شده است.

 1- وارون سازی  داده ها:  وارون کردن همه مشاهدات :  در صورت عدم مشاهده صفر

 2-  لگاریتم(LOG): محاسبه لگاریتم  همه مشاهدات :  در صورت منفی نبودن  مشاهدات

 3- ریشه دوم:  محاسبه ریشه دوم همه مشاهدات:  در صورت منفی نبودن مشاهدات

 4- تبدیل جانسون(Johnson Transformation) : سیستم  تبدیل جانسون بر مبنای سه توزیع  Bounded system (SB)  و Log-normal system (SL) و  Unbounded system (SU) و برآورد پارامترهای  تورزیع های فوق  عمل میکند. بهینه سازی پارامترهای توزیع  تا جایی که یکی از توابع تبدیل، بهترین  توزیع نرمال را تولید کند ادامه  می یابد. الگوریتم  انتخاب بهترین توزیع توسط  Polansky ,  Chou  در سال 1999 معرفی شد. این روش با توجه به علامت جبری داد ه ها روشی مناسب برای نرمال سازی به شمار میرود.
5- تبدیل باکس کاکس(Box-Cox transformation): این تبدیل یکی از روشهای قدرتمند در نرمال سازی  توزیع مشاهدات به شمار میرود. این روش مقداری به عنون توان (λ) تعیین کرده و همه مشاهدات را به توان آن میرساند و سپس ازمون نرمال روی مشاهدات انجام شده تا بهترین سری از مشاهدات بدست آید.مقدار λ بین -5 تا 5 تغییر میکند.این روش فقط برای داده های مثبت به کار میرود و این تنها نقطه ضعف این روش است.

با نرم افزارهای MINITABو UNISTAT و بسیاری نرم افزارهای دیگر قادر به محاسبات فوق میباشید.