R中存在哪些标准化方法？

我正在处理非正态分布的数据。我应用了常用的方法：对数法和平方根法来转换数据，然后用ARIMA模型进行处理，以便进行预测

我尝试的是：

set.seed(123)
y<-rexp(200)

yl<-log(y+1)
shapiro.test(yl)

trans<-(y-mean(y))/sd(y)
shapiro.test(trans)

set.seed（123）
y您可以尝试使用BoxCox.lambda函数处理的预测包
BoxCox变换。缩放/重新缩放是自动完成的。例如：

 require(forecast)
 y <- ts(rnorm(120,0,3) + 20*sin(2*pi*(1:120)/12), frequency=12) + runif(120)
 lambda <- BoxCox.lambda(y) # should check if the transformation is necessary
 model <- auto.arima(y, lambda = lambda)
 plot(forecast(model))

require（预测）
这个答案很有趣：谢谢，但是这个答案和正常性测试有关。我可以应用Jarque Bera检验，结果仍然保持一致。是的，关键在于正态性检验及其假设的有效性。也就是说，你正在测试一个“良好”的正态化，测试的假设是否定正态性假设。除了@Arun的评论非常相关外，你应该测试模型的残差，而不是原始数据。您当前正在实现一个将产生统计垃圾的过程。