情境
你的製程數據明顯右偏，無法直接用 Cpk 或 ANOVA。同事說「取 log」，你取了，但常態性檢定還是不過。另一個同事說「取平方根」，也不行。有沒有更系統化的方法找到最佳轉換？
有，就是 Box-Cox 轉換。
Box-Cox 轉換公式
Y(λ) = (Xλ - 1) / λ，當 λ ≠ 0
Y(λ) = ln(X)，當 λ = 0
λ（lambda）是轉換參數，由數據決定最佳值。
常見 λ 值對應的轉換
| λ 值 | 等效轉換 |
|---|---|
| -2 | 1/X² |
| -1 | 1/X（倒數） |
| -0.5 | 1/√X |
| 0 | ln(X)（自然對數） |
| 0.5 | √X（平方根） |
| 1 | X（不轉換） |
| 2 | X²（平方） |
如何找最佳 λ
統計軟體（Minitab、InsightFab）會自動：
- 嘗試不同 λ 值（通常 -5 到 5）
- 對每個 λ，計算轉換後數據的 log-likelihood
- 找到讓 log-likelihood 最大的 λ
- 同時提供 95% 信賴區間，若區間包含整數（如 0 或 0.5），取整數更好溝通
實際操作步驟
Step 1：確認數據符合使用條件
- 數據必須全部 > 0（Box-Cox 不能處理負數或零）
- 如有零，加一個常數：X' = X + 0.001
Step 2：執行 Box-Cox，取得最佳 λ 和信賴區間
Step 3：用最佳 λ 轉換數據
Step 4：對轉換後數據做常態性檢定確認
Step 5：在轉換後的尺度做分析
Step 6：結果需要解讀時，反轉換回原始尺度
重要限制
規格界限也要轉換
如果用 Box-Cox 計算 Cpk，USL 和 LSL 必須用同樣的 λ 轉換，才能在轉換後尺度比較。
不能無中生有
Box-Cox 只是改變數據的尺度，不能把真正的非常態製程（如雙峰分布）變成常態。轉換後還是要做常態性確認。
λ 是從當前數據估計的
新數據應使用相同的 λ，不要每批數據重新計算 λ（否則前後不可比）。
和其他轉換方法比較
| 方法 | 特點 |
|---|---|
| Box-Cox | 自動找最佳 λ，適用廣 |
| Johnson 轉換 | 更靈活，能處理更多分布類型 |
| 手動 log/sqrt | 直觀，但可能不是最佳 |
金句
「Box-Cox 不是魔法，是在你的數據中找到一把最順手的尺——換了尺，問題還是你的問題，只是現在標準工具能量了。」