Log, racine et autres outils de normalisation ?

Bonjour à tous,

Je suis en train de lire un papier dans lequel l'auteur écrit : "square root transformation was applied to normalize the Skin Conductance distribution"
Du coup, je me demande dans quelle mesure prendre les racines des données peut les normaliser ? Mon niveau de stat n'est pas super et là ben je comprends pas... J'avais entendu également qu'il était possible d'utiliser les log des données toujours dans ce but...
Qu'en est-il ? Est-ce possible de faire ça ? et surtout, est-ce que ça a du sens ???

Merci pour vos lumières,
Ophélie.

Bonjour,

le log (avec différente base), les différentes racines (2, 3, 4), la transformation box-cox, sont tout autant de transformation possibles pour normaliser des données et sont employées couramment. Est-ce que ça a du sens ? Difficile de répondre à cette question, toi seul peut y répondre en fonction de la question que tu te poses. Souvent ces transformations sont effectuées pour satisfaire aux conditions d'utilisation des tests statistiques, mais après il te faut bien voir que les conclusions que tu en tires sont effectivement sur les variables transformées et non les variables d'origines.

Bonjour Ophely.

Je complète par la remarque suivante : Généralement, la conditions des tests (normalité) porte sur la population (ou sur les valeurs possibles du caractère mesuré). Mais on n'a pas souvent la possibilité de savoir. On remplace donc par une condition approximative : le fait qu'un test de normalité sur l'échantillon soit validé (ce qui est presque toujours le cas sur un très petit échantillon, quasiment jamais sur un très très gros échantillon). Faire une transformation amène à faire un test approximatif (et aléatoire) sur des valeurs "trafiquées". Donc si on ne travaille pas "en aveugle", on est assez peu informé par les résultats finaux. Mais ça peut être utilisé avec précaution.

Cordialement.

Bonjour,

Merci !