স্বাভাবিক নয় এমন ডেটার মুখোমুখি হওয়ার সময় কিছুটা রূপান্তরকে স্বাভাবিকতার (যেমন লোগারিদম, বর্গাকার শিকড়, ... ব্যবহার করে) প্রয়োগ করার চেষ্টা করা সাধারণ। যদিও লোগারিদম যুক্তভাবে প্রায়শই স্কিউড ডেটার জন্য ভাল ফলাফল দেয় তবে এই বিশেষ ক্ষেত্রে এটি কার্যকর হবে এমন কোনও গ্যারান্টি নেই। রূপান্তরিত ডেটা বিশ্লেষণ করার সময় একজনকে উপরের মন্তব্যগুলিও মাথায় রাখতে হবে: "লগারিদমগুলির জন্য একটি টি-টেস্ট অপ্রত্যাশিত তথ্য বা টেস্ট-পরীক্ষার মতো নয়, লগগুলিতে টি-পরীক্ষা জ্যামিতিকের সাথে তুলনা করে মানে, (স্বাভাবিক) পাটিগণিতের অর্থ নয় ""
এন- 1Σএনi = 1( এক্সআমি- এক্স¯)3( এন)- 1Σএনi = 1( এক্সআমি- এক্স¯)2)3 / 2 উপযুক্ত পরীক্ষা এই ক্ষেত্রে পরিসংখ্যাত হয়।
রূপান্তর (যেমন লগারিদম হিসাবে) বেছে নেওয়ার পরিবর্তে এটি বেশিরভাগ সময় কাজ করে, আমি বক্স-কক্স পদ্ধতি ব্যবহার করতে পছন্দ করি প্রদত্ত ডেটা ব্যবহার করে রূপান্তর চয়ন জন্য । যদিও এর সাথে কিছু দার্শনিক সমস্যা রয়েছে; বিশেষত এটি কি টেস্টে মুক্তির ডিগ্রির সংখ্যার উপর প্রভাব ফেলবে কিনা, যেহেতু আমরা নমুনা থেকে কিছু তথ্য ব্যবহার করেছি কোনটি রূপান্তর করতে হবে তা বেছে নেওয়ার সময়।
অবশেষে, রূপান্তরকরণের পরে টি-টেস্ট বা ক্লাসিকাল ননপ্যারামেট্রিক টেস্টের ব্যবহারের একটি ভাল বিকল্প হ'ল টি-পরীক্ষার বুটস্ট্র্যাপ অ্যানালগ ব্যবহার করা । এটির স্বাভাবিকতা অনুমানের প্রয়োজন হয় না এবং অপরিকল্পিত উপায়গুলির (এবং অন্য কোনও কিছুর বিষয়ে নয়) সম্পর্কে একটি পরীক্ষা is