TRANSFORMACIONES DE LOS DATOS:

Las transformaciones de los datos proporcionan un medio de modificar

variables por una o dos razones:

Corregir el incumplimiento de los supuestos estadsticos subyacentes a las

tcnicas multivariantes.

Mejorar la relacin (correlacin) entre variables.

Pueden llevarse a cabo fcilmente como tambin existen mtodos mas

complicados y sofisticados (box cox).

Transformaciones de los datos para conseguir

la normalidad y la homocedasticidad:

Proporcionan el medio principal de corregir la no normalidad y

heterocedasticidad.

Para las distribuciones no normales, las dos formas ms comunes son las
distribuciones planas (curtosis) y las distribuciones asimtricas.

Para las distribucin plana, las transformaciones ms comunes son la inversa, es

decir 1/Y o 1/X.

Las distribuciones asimtricas pueden ser transformadas empleando la raz

cuadrada (asimetra -), logaritmos (asimetra +) o incluso la inversa de las
variables.

Para la heterocedasticidad, en muchos casos la solucin del problema tiene q

ver tambin con los problemas de normalidad o como tambin se debe a la
distribucin de las variables.

Cuando se examinan los residuos buscando la heterocedasticidad, se observa

que en un indicio de varianzas desiguales es una distribucin en forma de
cono de los residuos.

Si el cono se abre a la derecha cogemos la inversa, si se abre a la izquierda

cogemos la raz cuadrada.

Transformaciones para conseguir la

linealidad:

Las relaciones no lineales ms simples pueden clasificarse en cuatro

categoras.

En cada cuadrante se muestran las transformaciones potenciales para la

variable dependiente e independiente. Como en la figura a se aplica la raz
cuadrada para conseguir la linealidad.

Cuando se muestran las posibilidades de transformacin mltiple, se empieza

con el mtodo mas adecuado para cada cuadrante para despus bajar hasta
que se consigue la linealidad.

Una aproximacin alternativa consiste en utilizar variables adicionales,

denominadas polinmicas, que representan los componentes no lineales.