R中的连续PowerTransform/BoxCox变换

我有一个数据集需要转换成正态分布

首先，生成一个可复制的数据集

df <- runif(500, 0, 100)

因为p<0.05，转化为df

BoxCoxTrans(df)

然后它会给我以下错误消息

Error in qr.resid(xqr, w * fam(Y, lambda, j = TRUE)) : 
NA/NaN/Inf in foreign function call (arg 5)

我做错了什么

添加

 print(summary(y))

在

结束之前，while

循环并观察计算爆炸。在任何情况下，重复应用Box-Cox都没有意义，因为您从第一次应用中获得了变换参数的ML（-like）估计量。此外，你为什么期望权力转换使均匀分布正常化

---

John

您可以使用Box-Muller变换从随机均匀分布生成近似正态分布。这可能比Box-Cox变换更合适，后者通常用于将偏态分布转换为几乎正态分布

下面是一个应用于一组均匀分布数字的Box-Muller变换示例：

set.seed(1234)
size <- 5000
a <- runif(size)
b <- runif(size)
y <- sqrt(-2 * log(a)) * cos(2 * pi * b)
plot(density(y), main = "Example of Box-Muller Transformation", xlab="x", ylab="f(x)")
library(nortest)
#> lillie.test(y)
#
#   Lilliefors (Kolmogorov-Smirnov) normality test
#
#data:  y
#D = 0.009062, p-value = 0.4099
#
#> shapiro.test(y)
#
#   Shapiro-Wilk normality test
#
#data:  y
#W = 0.99943, p-value = 0.1301
#

set.seed（1234）
大小您可能不希望递归转换
y
。不客气。我很高兴能帮上忙；-）干杯非常感谢。这很有帮助！完全有道理。我需要复习我的统计书。
 print(summary(y))

set.seed(1234)
size <- 5000
a <- runif(size)
b <- runif(size)
y <- sqrt(-2 * log(a)) * cos(2 * pi * b)
plot(density(y), main = "Example of Box-Muller Transformation", xlab="x", ylab="f(x)")
library(nortest)
#> lillie.test(y)
#
#   Lilliefors (Kolmogorov-Smirnov) normality test
#
#data:  y
#D = 0.009062, p-value = 0.4099
#
#> shapiro.test(y)
#
#   Shapiro-Wilk normality test
#
#data:  y
#W = 0.99943, p-value = 0.1301
#