Los comandos de la aplicación, los identificadores de las hojas de trabajo y los valores de los datos de ejemplo conservan su redacción original. Las capturas de pantalla, los gráficos y las descargas están en inglés. Los ejemplos conservan la notación numérica original en inglés: punto decimal y coma como separador de millares.
Ejemplo: lotes de secado
Un estudio de secado registra la masa húmeda del lote, la temperatura de entrada, el tiempo de secado y el consumo de electricidad de 48 lotes. Transforma cada medición utilizando los valores de esta muestra.
Descargar las mediciones de los lotes de secado (CSV, columnas en inglés)Es el mismo ejemplo que se utiliza en Help. El CSV contiene las mediciones que debes importar. Las cuatro columnas numéricas utilizan kg, °C, minutos y kWh; batch_id permite identificar cada lote.
1. Crear el análisis
En la barra lateral, abre Data utilities, elige Standardize & Normalize y pon un nombre al análisis. Selecciona New blank worksheet y Create analysis.
2. Importar los datos
En Worksheet, elige Import. Selecciona el archivo descargado o pega su contenido. Establece Comma como delimitador, utiliza Decimal dot y marca First row contains column names. Revisa la vista previa de la importación y elige Import into worksheet.
3. Seleccionar las columnas de entrada
En Inputs, abre el selector de columnas de Variables to transform. Selecciona wet_batch_mass_kg, inlet_temperature_c, drying_time_min y electricity_kwh, en ese orden. Si es necesario, corrige el orden con las flechas de subida y bajada.
Deja batch_id sin seleccionar: identifica un lote, no una medición.
4. Definir el método y los nombres de salida
En Method, elige Standardize (z-scores). En Output names, introduce el nombre correspondiente a cada columna de origen.
| Columna de origen | Nombre de salida |
|---|---|
wet_batch_mass_kg | wet_batch_mass_kg_zscore |
inlet_temperature_c | inlet_temperature_c_zscore |
drying_time_min | drying_time_min_zscore |
electricity_kwh | electricity_kwh_zscore |
Comprueba la hoja de trabajo de destino y la nota 4 new columns. Las columnas originales se conservan.
5. Transformar
Elige Transform y abre Results. Abre Worksheet para ver las cuatro columnas nuevas junto a las originales. Cada transformación completada añade columnas; repetirla no sustituye la salida anterior.
6. Interpretar los resultados
Leer el resumen de los datos de origen
El resumen describe las cuatro columnas originales, cada una con 48 valores y sin lecturas ausentes. Para la masa, la media es de 45.4906 kg, la desviación estándar muestral es de 7.00915 kg y los valores observados se sitúan entre 32.57 y 66.24 kg.
Entender la transformación
Resta la media de cada columna y divide entre su desviación estándar muestral. Cero representa la media de origen; +1 representa una desviación estándar muestral por encima de ella. El resultado no conserva la unidad de medida original.
Leer el primer lote transformado
La masa del primer lote es de 50 kg. Resta 45.4906 kg y divide entre 7.00915 kg para obtener aproximadamente +0.6434. Este lote está unas 0.64 desviaciones estándar muestrales por encima de la masa media. Cada una de las demás columnas utiliza su propia media y desviación estándar muestral.
Elegir el siguiente análisis
Las puntuaciones z permiten comparar cuánto se alejan las mediciones de sus respectivas medias, aunque sus unidades originales sean distintas. No convierten los valores en probabilidades. Selecciona expresamente las columnas nuevas para el siguiente análisis. El cambio de escala no hace que los datos sigan una distribución normal, no elimina la dependencia ni demuestra un desempeño aceptable del proceso.
Interpretar la operación guardada en su contexto
Las 48 filas mantienen el orden de los lotes y los datos originales se conservan. Results registra la transformación tal como se ejecutó. Los cambios posteriores en la hoja de trabajo o la acción Undo pueden modificar la hoja sin cambiar ese resultado guardado.
Más detalles: leer cada sección de resultados
Las tablas de resultados completas utilizan seis cifras significativas, como en Help.
Resumen de la transformación
Las columnas de origen y de salida identifican cada columna original y nueva. Los valores válidos cuentan las lecturas de origen utilizables; los ausentes cuentan las lecturas que faltan. La media, la desviación estándar, el mínimo y el máximo de origen describen la columna original en su unidad de medida. Resta la media de cada columna y divide entre su desviación estándar muestral. Cero representa la media de origen; +1 representa una desviación estándar muestral por encima de ella. El resultado no conserva la unidad de medida original.
Resultados calculados del ejemplo. Al ejecutar una copia de práctica, se escriben columnas nuevas en su hoja de trabajo independiente.
| Columna de origen | Columna de salida | Método | Valores válidos | Ausentes | Media de origen | Desviación estándar de origen | Mínimo de origen | Máximo de origen |
|---|---|---|---|---|---|---|---|---|
| wet_batch_mass_kg | wet_batch_mass_kg_zscore | Standardize (z-scores) | 48 | 0 | 45.4906 | 7.00915 | 32.57 | 66.24 |
| inlet_temperature_c | inlet_temperature_c_zscore | Standardize (z-scores) | 48 | 0 | 64.5083 | 3.24567 | 57.1 | 70.4 |
| drying_time_min | drying_time_min_zscore | Standardize (z-scores) | 48 | 0 | 30.594 | 4.51978 | 23.02 | 41.72 |
| electricity_kwh | electricity_kwh_zscore | Standardize (z-scores) | 48 | 0 | 17.1239 | 1.74961 | 14.265 | 22.814 |
Valores transformados
La fila 1 es el primer lote importado. Cada columna contiene sus mediciones transformadas y las 48 filas mantienen el orden de recogida. La masa del primer lote es de 50 kg. Resta 45.4906 kg y divide entre 7.00915 kg para obtener aproximadamente +0.6434. Este lote está unas 0.64 desviaciones estándar muestrales por encima de la masa media.
Valores guardados en el orden original de las filas. Las exportaciones conservan toda la precisión numérica.
| Fila | wet_batch_mass_kg_zscore | inlet_temperature_c_zscore | drying_time_min_zscore | electricity_kwh_zscore |
|---|---|---|---|---|
| 1 | 0.643355 | 0.397966 | 0.673936 | 0.326418 |
| 2 | -1.50526 | -1.32741 | -1.07172 | -1.08361 |
| 3 | 0.691863 | 0.120673 | 1.59655 | 0.415581 |
| 4 | 0.641929 | -1.88199 | 0.0831991 | 0.66135 |
| 5 | -0.479462 | 0.98336 | 0.722611 | -0.579498 |
| 6 | 2.24269 | 0.397966 | 2.46163 | 2.54291 |
| 7 | -0.435235 | -0.156619 | -0.396913 | -0.820123 |
| 8 | -1.05871 | -2.28253 | -1.38147 | -1.63402 |
| 9 | 2.96033 | 0.860119 | 2.1895 | 3.25221 |
| 10 | -0.522264 | -1.05012 | 0.324361 | -0.694952 |
| 11 | -1.32407 | -0.495531 | -0.379213 | -1.41626 |
| 12 | -0.0828381 | -0.618772 | -0.372575 | -0.257141 |
| 13 | 0.0255915 | -1.66632 | -1.44342 | -1.00416 |
| 14 | -0.129919 | -0.27986 | -0.987649 | -0.292577 |
| 15 | -0.51085 | 0.95255 | -0.45665 | 0.0246364 |
| 16 | 0.379415 | -0.526342 | -0.204425 | 0.733937 |
| 17 | -0.426674 | -0.34148 | 0.0278867 | -0.384598 |
| 18 | 0.166835 | 1.692 | 0.700486 | 0.493884 |
| 19 | -0.659227 | 0.829309 | 0.0345242 | -0.500623 |
| 20 | 2.06435 | 0.582827 | 1.20936 | 1.57813 |
| 21 | -0.102812 | 1.26065 | -1.1204 | -0.268 |
| 22 | -1.62653 | -0.803634 | -1.67574 | -1.46027 |
| 23 | 0.0341518 | 0.675258 | 1.03236 | 0.0274942 |
| 24 | -0.965969 | 1.16822 | -1.30846 | -0.464044 |
| 25 | -0.844699 | 1.47632 | -0.1823 | -0.617221 |
| 26 | -0.783351 | -0.31067 | 0.0610741 | -0.863561 |
| 27 | -1.11863 | -0.31067 | -0.4301 | -0.803548 |
| 28 | 0.713264 | 0.98336 | 0.538973 | 0.791093 |
| 29 | -0.517984 | -0.834444 | -1.32174 | -1.00588 |
| 30 | -0.104239 | -1.57389 | -0.646925 | -0.0793867 |
| 31 | 0.453603 | 0.336345 | -0.343813 | 0.215536 |
| 32 | -0.583612 | -0.988495 | -0.602675 | -0.262285 |
| 33 | -0.413834 | -0.495531 | -0.582762 | 0.120658 |
| 34 | -0.479462 | 0.829309 | -0.70445 | -0.086817 |
| 35 | 0.0270182 | -1.08093 | 0.693848 | 0.173241 |
| 36 | -0.567918 | -0.957685 | -1.44342 | -0.664088 |
| 37 | 0.385122 | -0.433911 | 0.696061 | 0.196675 |
| 38 | 0.279545 | 1.692 | 0.111962 | 0.336706 |
| 39 | 0.533499 | 0.860119 | -0.36815 | 0.122372 |
| 40 | 0.82312 | -0.187429 | 1.13192 | 0.171526 |
| 41 | -0.1342 | -0.37229 | 0.0831991 | -0.266857 |
| 42 | 1.56643 | 0.243914 | 0.388524 | 1.23405 |
| 43 | 1.76189 | 1.81524 | 0.813323 | 1.9022 |
| 44 | -1.84339 | -0.896065 | -1.01862 | -1.42197 |
| 45 | -0.383873 | 0.336345 | 0.514636 | -0.091961 |
| 46 | -0.663508 | 1.22984 | -0.828349 | -0.644655 |
| 47 | 0.93155 | -0.249049 | 1.06112 | 1.09916 |
| 48 | 0.942964 | 0.397966 | 2.12091 | 1.24834 |
7. Crear un informe
Conserva Transformation summary y todas las filas de Transformed values. Anota el método seleccionado, las columnas de origen y los nombres de salida. El resumen describe las mediciones originales; la tabla de valores contiene la salida transformada.
Selecciona Add to report de la ejecución completada. Abre Choose individual items and advanced options para seleccionar tablas y gráficos y, a continuación, selecciona Add to draft. Los elementos ocultos se conservan en el análisis guardado.
Asigna un nombre al informe y añade el objetivo del estudio y tu interpretación. Selecciona Save, revisa Preview, y después utiliza Export → Download HTML. El ejemplo siguiente contiene todo el contenido seleccionado, incluidos los resultados que no caben en una sola pantalla.