UNIVERSIDAD DE COSTA RICA

SEDE DE OCCIDENTE
INGENIERÍA INDUSTRIAL
II-306 PROBABILIDAD Y ESTADÍSTICA:
LABORATORIO

Tema de Investigación: Transformación Johnson

Profesor: John Paniagua Jiménez

Grupo 02

Estudiantes:

Karolina Rodríguez Sánchez B66111

Richard Castillo Fernández B11542
Kenneth Oviedo Arrieta B65207
Pablo Pérez Quesada B45264
Luis Andrés Rojas Jiménez B66224

II Ciclo 2017
 Universidad de Costa Rica - Sede de Occidente. Ingeniería Industrial

Índice

Marco teórico .......................................................................................................................... 2

Descripción ............................................................................................................................. 3
Ejemplo................................................................................................................................... 5
Bibliografía ............................................................................................................................. 9

Marco teórico
Cuando se realiza el análisis de los datos recolectados para un proceso y estos no se
distribuyen de manera normal, se puede utilizar una transformación de Johnson, la cual los
convierte en datos que se acomodan de forma normal. Es importante saber que la distribución
Johnson consiste en “determinar la distribución (dentro de la familia de distribuciones de
Johnson) a la que pertenecen los datos, y una vez determinada, realizar transformaciones
sobre ellos, con el fin de poder aplicar la teoría clásica de las Cartas de Control” (Lagos y
Vargas, 2003, pp. 26-27).
La aplicación de dicha transformación se utiliza en múltiples campos, por ejemplo en
el análisis de la calidad de los productos como la producción de películas de PVC hasta en
los análisis de subrasantes (ver anexo: figura 1) para la creación de calles en la red vial
cantonal. Es importante conocer que un subrasante es “la capa encargada de soportar la
estructura de pavimento, las características de resistencia y deformabilidad de ésta, influyen
directamente en el tipo y espesor de la estructura de pavimento que se utilice” (Rivera, 2013,
p.15). Al realizar las carreteras es necesario una prueba de valor de Soporte de California
(CBR por sus siglas inglés) esta es una prueba que “determina un valor de comparación entre
la carga de penetración que soporta el suelo y la de un material estándar, permitiendo evaluar
la calidad relativa de suelos usados en subrasantes, y capas de sub-base y bases para
pavimentos” (Rivera, 2013, p.2). Es importante resaltar que, cuando se hace el estudio CBR
en el sitio en donde se va a colocar la carretera y que, además cumple con condiciones como

2
 Universidad de Costa Rica - Sede de Occidente. Ingeniería Industrial

nivel de saturación de los suelos mayor a 80% se dice que es una prueba CBR in situ
(Pontificia Universidad Católica de Valparaíso, s.f).

Descripción
La transformación de Johnson es un método utilizado, como bien lo dice, para
transformar datos, con el fin de lograr que estos se conviertan en variables con una
distribución más ajustada a la normal. Sin embargo, esta transformación puede no brindar
una solución en la totalidad de los casos, por lo cual se debe verificar que los datos
transformados generan valores mayores en el test de probabilidad de Anderson-Darling de
los que generaban los datos originales.
De manera análoga, para saber si la transformación es efectiva se debe observar la
gráfica de normalidad de los datos transformados, los cuales deberían estar muy cerca de la
línea de distribución normal, si no es así, se dice que este método no ha sido efectivo para la
transformación. En algunos casos la estadística paramétrica no aplica para los datos que se
están analizando, ya que mediante la aplicaciones de pruebas de bondad de ajuste no se logra
encontrar una distribución de probabilidad asociada a los datos, en otros casos, el no
cumplimiento de la normalidad de los datos puede frenar el análisis (Lanamme, 2014).
La transformación Johnson utiliza un algoritmo, el cual se encuentra transformado
por tres familias, las cuales se mencionan a continuación:
- SB: Donde la variable aleatoria X está acotada.
- SL: En este caso X es lognormal.
- SU: En este tercer familia X no está acotada.
Generalmente se suelen usar tamaños de muestras grandes para el ajuste de
distribución de los datos, ya que como bien se sabe un tamaño de muestra grande disminuye
los errores y entonces generan resultados más confiables.

3
 Universidad de Costa Rica - Sede de Occidente. Ingeniería Industrial

Características
Para realizar esta transformación se requiere del algoritmo de Johnson; este algoritmo
utiliza una de las tres familias (SB, SL, Su), de manera óptima para llevar los datos a que sigan
una distribución normal. Dichas familias se encuentran fundamentadas en una
transformación logarítmica, las cuales tienen diferentes adaptaciones; además cada una de
ellas está relacionada a una función que transforma la variable X en una variable Z.
El procedimiento realizado por este algoritmo es el siguiente:
1) Considera casi todas las funciones de transformación potencial del sistema Johnson.
2) Estima los parámetros.
3) Transforma los datos.
4) Calcula el AD y el valor p, para los datos transformados.
5) Selecciona la función de transformación con el mayor valor de p. Se necesita que
sea mayor que el valor p especificado, pues de lo contrario no sería una
transformación apropiada.

Para aplicar una transformación a nuestros datos se necesita cumplir con dos requisitos
fundamentales. En primer lugar, los datos deben estar sesgados significativamente hacia la
derecha o bien hacia la izquierda, es decir deben presentar una asimetría considerable hacia
una de las dos colas. En segundo lugar los datos deben seguir un comportamiento unimodal
o bien la inexistencia de datos erróneos o no esperados en una muestra.

4
 Universidad de Costa Rica - Sede de Occidente. Ingeniería Industrial

Ejemplo
En el caso de las trasformaciones, estas son muy utilizadas en diversos campos, dentro
de los cuales se destacan sus aplicaciones en la salud, y además en muchos estudios sobre
fenómenos físicos y naturales.
Cuando trabajamos en cada uno de estos campos, la importancia de realizar una
transformación reside en que nos permite llevar los datos que estamos analizando a una
distribución normal. Lo anterior, resulta fundamental, dado que asumir la normalidad en los
datos, cuando nos estamos seguros de ellos, puede dar pie a tomar decisiones erróneas.
Para ejemplificar cómo se utiliza y las facilidades que ofrece esta transformación, se
presentará una aplicación de ésta en una prueba CBR (ver en marco teórico). Esta prueba se
efectúa siempre bajo condiciones controladas de humedad y densidad.
Se tienen datos de un muestreo, el cual cuenta con 250 valores de CBR, estimados a
partir de sondeos en la red vial cantonal; las fechas de recopilación de los datos van desde el
año 2009 hasta el 2013, siendo Lanamme (Laboratorio Nacional de Materiales y Modelos
Estructurales) la institución encargada de realizar la recolección de datos.
Como primer paso, se realizaron los cálculos de los estadísticos descriptivos para las
250 muestras, esto para los distintos tipos de suelo.
Se realizó un resumen gráfico mediante herramientas de Minitab:

5
 Universidad de Costa Rica - Sede de Occidente. Ingeniería Industrial

Figura 1. Estadísticos descriptivos de los datos recolectados de CBR.

Fuente: Análisis de la distribución de probabilidad asociada con el CBR “in situ” de la

subrasante en sondeos realizados sobre la red vial cantonal (Pág 26).

Tal y como nos lo muestra la figura, el valor de Kurtosis corresponde a 23.5 y nos
indica que los datos se alejan considerablemente de un comportamiento normal, el cual
debería tener una kurtosis cercana a 3. Además se afirma que los datos no son normales, lo
anterior lo comprobamos cuando realizamos una prueba de Anderson-Darling, y obtenemos
un valor-p menor al nivel de significancia 0.05, por lo tanto, no hay suficiente evidencia para
aceptar la hipótesis de que los datos sean normales.
Esta misma prueba, se realizó a una serie de distribuciones, y el resultado para cada
una de ellas no fue aceptable, siendo afirmado por cada uno de los valores de p, cada uno de
ellos menor a la significancia, lo que nos lleva a rechazar la hipótesis de que nuestros datos
sean normales.
Ahora bien, una vez que tenemos la evidencia de que ninguna de las distribuciones
analizadas cumple con los parámetros de aceptación, procedemos a realizar una
transformación Johnson para poder así analizar el comportamiento de nuestros datos. Se
utilizó un software estadístico para estimar los valores de mejor ajuste y la familia de Johnson

6
 Universidad de Costa Rica - Sede de Occidente. Ingeniería Industrial

que posee mayor relación con los datos. En el siguiente gráfico, se muestra la optimización
realizada en los parámetros.

Figura 2. Transformación Johnson mediante software para datos recolectados de CBR.

Fuente: Análisis de la distribución de probabilidad asociada con el CBR “in situ” de la

subrasante en sondeos realizados sobre la red vial cantonal (Pág 29).

La transformación de Johnson que se adapta a los datos es de la familia SU, según lo

indica el software. Una vez identificado el tipo de familia se realizan los cálculos respectivos
para la transformación de los datos. Como paso siguiente, se muestra una estadística
descriptiva completa para los datos transformados. La siguiente gráfica nos muestra un
resumen de la transformación realizada.

7
 Universidad de Costa Rica - Sede de Occidente. Ingeniería Industrial

Figura 3. Resumen estadístico para datos transformados de CBR.

Fuente: Análisis de la distribución de probabilidad asociada con el CBR “in situ” de la

subrasante en sondeos realizados sobre la red vial cantonal (Pág 30).

Se aprecia de la figura 3 que los datos ahora se adecuan a una distribución normal,
dado que mediante la realización de la prueba de Anderson-Darling para determinar la
normalidad, se obtuvo un valor p mayor que 0,05, comprobando así la normalidad.
En conclusión, luego de tener datos que se alejan de una distribución normal, es
posible realizar una transformación Johnson para obtener datos con un comportamiento
distinto y con ellos poder realizar inferencias estadísticas como si estos fueran normales.
Los datos analizados sobre el CBR “in situ” están sesgados hacia la izquierda y son
unimodales, lo que comprueba que se cumple con los requisitos para poder utilizar la
transformación de Johnson. Se evidencia que las transformaciones de las Familias de
Distribuciones de Johnson son una herramienta útil cuando para normalizar un conjunto de
datos, pues se acomodan a gran variedad de formas de distribución (Lanamme, 2014).

8
 Universidad de Costa Rica - Sede de Occidente. Ingeniería Industrial

Bibliografía

Lagos, I y Vargas, J. (2003). Sistema de familias de distribuciones de Johnson, una

alternativa para el manejo de datos no normales en cartas de control. [pdf]
Disponible en
https://www.emis.de/journals/RCE/V26/V26_1_25LagosVargas.pdf

(s.f). Métodos y fórmulas para las transformaciones en Identificación de distribución

individual. Minitab. https://support.minitab.com/es-mx/minitab/18/help-and-
how-to/quality-and-process-improvement/quality-tools/how-to/individual-
distribution-identification/methods-and-formulas/transformations/#algorithm

Rivera, W. (2013). Correlación del valor de soporte de california (C.B.R) con la

resistencia a la compresión inconfinada y la plasticidad del suelo. [pdf]
Disponible en
http://bibliotecadigital.univalle.edu.co/bitstream/10893/7832/1/CB-
0478826.pdf

Pontificia Universidad Católica de Valparaíso. (s.f). Determinación de la capacidad

de soporte CBR del suelo. [pdf] Disponible en
http://icc.ucv.cl/geotecnia/03_docencia/02_laboratorio/manual_laboratorio/c
br.pdf

Unidad de Gestión Municipal PITRA-Lanamme UCR. (2014). Análisis de la

distribución de probabilidad asociada con el CBR “in situ” de la subrasante en
sondeos realizados sobre la red vial cantonal. Recuperado de:
http://www.lanamme.ucr.ac.cr/sitio-nuevo/images/productos-
PITRA/Informes/2014/LM-PI-GM-05-2014.pdf

9
 Universidad de Costa Rica - Sede de Occidente. Ingeniería Industrial

Anexos

Figura 1. Capas para la construcción de una carretera.

Fuente: Google imágenes

10