Transformación de datos
En estadística, la transformación de datos se efectúa para asegurarse así de que tienen una distribución normal (un remedio para los valores atípicos, fallas de la normalidad, la linealidad, y homocedasticidad), lo que normalmente se hace para preparar los datos para el análisis de regresión,<ref>{{#invoke:Citas | cita|ClaseCita=libro}}</ref> ya que este análisis asume los datos son lineales, normales y homoscedásticos. Esto también se conoce como la transformación de la linealidad. Un buen indicador de los datos con una distribución normal es el sesgo en el rango de -0,8 a 0,8 y curtosis en el rango de -3,0 a 3,0.
Pequeñas muestras de una de población con valores atípicos son un problema, porque los intervalos de confianza que producen a menudo están fuera de centro y son muy estrechos. El intervalo de confianza será mayor que la tasa de captura de estos intervalos. Si el tamaño de la muestra es demasiado pequeña o los datos están sesgados se puede intentar una de estas transformaciones: logarítmica, raíz cuadrada o inversa.
