1、对数变换 即将原始数据X的对数值作为新的分布数据:
X’=lgX
当原始数据中有小值及零时,亦可取X’=lg(X+1)
还可根据需要选用X’=lg(X+k)或X’=lg(k-X)
对数变换常用于(1)使服从对数正态分布的数据正态化。如环境中某些污染物的分布,人体中某些微量元素的分布等,可用对数正态分布改善其正态性。(2)使数据达到方差齐性,特别是各样本的标准差与均数成比例或变异系数CV接近于一个常数时。
2、平方根变换 即将原始数据X的平方根作为新的分布数据。
X’=sqrt(X)
平方根变换常用于:1)使服从Poission分布的计数资料或轻度偏态资料正态化,可用平方根变换使其正态化。2)当各样本的方差与均数呈正相关时,可使资料达到方差齐性。
3、倒数变换 即将原始数据X的倒数作为新的分析数据。
X’=1/X
常用于资料两端波动较大的资料,可使极端值的影响减小。
4、平方根反正旋变换 即将原始数据X的平方根反正玄值做为新的分析数据。
X’=sin-1sqrt(X)
常用于服从二项分布的率或百分比的资料。一般认为等总体率较小如<30%时或较大(如>70%时),偏离正态较为明显,通过样本率的平方根反正玄变换,可使资料接近正态分布,达到方差齐性的要求。
5. 计量经济学中常用的BOX-COX变换
6.在SPSS中:
在转换-计算变量里面点进去,就可以把一个变量进行各种变换,就和计算器类似
不过最好的方法是把数据标准化,
分析——描述统计——描述,有个选项是将标准化得分另存为变量
这样你的变量都符合正态性了
或者在SPSS上的操作方法:工具栏transform-Rank cases,将左边你要进行正态化的变量拖入右边“变量”框中;点选rank types对话窗,选中normal scores选项(共四种计算方法,系统默认的是bloom计算方法,可根据你的需要进行改进),点击continue,ok。
spss会在数据观察表中生成两列新变量,其中N总分变量就是你想要的正态化结果。
将近似正态分布 转成 正态分布 python
转载本文章为转载内容,我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题,欢迎原作者联系我们进行内容更正或删除文章。
提问和评论都可以,用心的回复会被更多人看到
评论
发布评论
相关文章
-
标准正态分布Python代码 正态分布 python
在纯python环境中使用processing的实时画图功能processing的实时画图功能是很强大的,他提供了最便捷简洁的画图函数,是强大的可视化工具。但是这样的工具也是存在问题的,那就是无法在一般的python环境中使用processing。经过了各种探索,我终于找到了在本地最便捷的从一般python环境中调用processing进行动态可视化的方法,那就在一般的python程序中通过本地网
标准正态分布Python代码 python 正态分布 python可视化界面设计器 python画图代码 python画图代码大全 -
java画图橡皮的逻辑
目录实现功能开发环境代码实现导入包窗体界面(DrawUI)监听器实现监听器功能(DrawMouse)addActionListener监听器 1. 曲线  
java画图橡皮的逻辑 java 开发语言 idea 监听器 -
EXCEL导入java解析数字乱码
依赖的pom <dependency> <groupId>org.apache.poi</groupId> <artifactId>poi</artifactId> <version>3.15</version> </dependency> <dependency>
EXCEL导入java解析数字乱码 蓝桥杯 gnu postman apache