La comprensió de la dispersió de les dades i la posició relativa de cada observació és fonamental en l'anàlisi estadística. La Calculadora de puntuació Z i desviació estàndard és una eina en línia dissenyada per facilitar aquests càlculs de dues maneres diferents: analitzant directament un conjunt de dades reals o resolent algebraicament qualsevol de les variables de la fórmula de la puntuació z a partir de valors de resum.
Funcionament de la calculadora i modes d'entrada
L'eina disposa de dues opcions principals segons la naturalesa de les dades disponibles, seleccionables a l'apartat d'entrada:
- A partir d'un conjunt de dades: Permet introduir directament una llista de valors numèrics. L'usuari pot enganxar o escriure les dades separant els valors amb espais, comes, punts i comes o salts de línia. Segons la configuració regional, s'admeten decimals amb punt (per exemple,
82.5) o amb coma (per exemple,82,5). El límit màxim admès és de 50.000 valors. - A partir de valors de resum: Indicat per a situacions on no es disposa de la llista completa de dades, sinó dels paràmetres estadístics clau. Per utilitzar aquest mode, s'han d'omplir exactament tres dels quatre camps següents i deixar-ne un de buit, el qual es resoldrà automàticament:
- Valor x
- Mitjana μ
- Desviació estàndard σ
- Puntuació z z
Tots els càlculs i el processament de les dades es realitzen localment al navegador web de l'usuari; cap dada ni paràmetre introduït es penja a servidors externs, garantint que la informació es manté estrictament en l'àmbit local.
Comprensió i utilitat de les puntuacions z
La puntuació z (o valor de tipificació) representa el nombre de desviacions estàndard que un valor concret (x) s'allunya de la mitjana (μ) d'un conjunt de dades. Matemàticament, actua com un canvi d'escala lineal que transforma les dades originals per tenir una mitjana de 0 i una desviació estàndard d'1.
Aquest procés de tipificació és de gran utilitat per comparar elements de diferents conjunts de dades que originalment tenien escales o unitats de mesura diferents. Un aspecte clau és que la puntuació z no altera la forma de la distribució original; si les dades de partida presenten asimetria, la distribució de les puntuacions z resultants mantindrà exactament la mateixa asimetria.
Diferències entre la desviació estàndard poblacional i mostral
A l'hora de calcular la desviació estàndard, l'eina permet triar entre dues convencions de càlcul mitjançant el selector de desviació estàndard:
- Població ÷ n: S'aplica quan el conjunt de dades introduït representa la totalitat de la població objecte d'estudi. En aquest cas, la variància es calcula dividint la suma de quadrats ($SS$) pel nombre total d'elements (n).
- Mostra ÷ n − 1: S'utilitza quan els valors són una mostra d'un grup més gran i l'objectiu és estimar la dispersió d'aquesta població general. La divisió per n - 1 (coneguda com a correcció de Bessel) corregeix el biaix a la baixa que tendeixen a presentar les mostres petites.
La selecció d'una o altra convenció afecta directament el valor de la desviació estàndard utilitzat per obtenir les puntuacions z individuals. Per a la desviació estàndard mostral, es requereix un mínim de 2 valors, ja que amb un sol valor el divisor n - 1 seria zero, generant l'error: Una mostra necessita almenys 2 valors; amb un sol valor, el divisor n − 1 és zero.. Per a la poblacional, es requereix com a mínim 1 valor.
L'anatomia de la fórmula de la puntuació z
La relació algebraica entre els quatre paràmetres es defineix mitjançant la fórmula:
z = (x - μ) / (σ)
Quan s'utilitza el mode de valors de resum, l'eina aïlla la variable buida i mostra el procediment de substitució segons el cas:
- Puntuació z:
Puntuació z: z = (x − μ) ÷ σ = (‹x› − ‹mu›) ÷ ‹sigma› = ‹result› - Valor x:
Valor: x = μ + z·σ = ‹mu› + (‹z›)·‹sigma› = ‹result› - Mitjana μ:
Mitjana: μ = x − z·σ = ‹x› − (‹z›)·‹sigma› = ‹result› - Desviació estàndard σ:
Desviació estàndard: σ = (x − μ) ÷ z = (‹x› − ‹mu›) ÷ ‹z› = ‹result›
Restriccions i valors no vàlids en el mode de resum
- La desviació estàndard ha de ser un valor positiu. Si s'introdueix un valor de 0, es mostra l'error:
La desviació estàndard no pot ser 0; la divisió per σ no està definida.. Si s'introdueix un valor negatiu, es mostra:La desviació estàndard ha de ser positiva.. - Si es defineix z = 0, el valor de x ha de ser estrictament igual a la mitjana μ. Si s'introdueixen valors on z = 0 però x ≠ μ, es genera l'error:
Cap σ positiva resol això: quan z = 0, el valor ha de ser igual a la mitjana.. Si z = 0 i x = μ, qualsevol desviació estàndard positiva seria matemàticament coherent, per la qual cosa es mostra:Amb z = 0 i x = μ, qualsevol σ positiva funciona, de manera que σ no té una única resposta.. - Si la resolució algebraica dóna com a resultat una desviació estàndard negativa, es mostra l'advertiment:
L'àlgebra dóna σ = ‹value›, però una desviació estàndard no pot ser negativa. Comproveu els signes de x − μ i z..
Distribució normal i probabilitats associades
Quan es calcula una puntuació z, l'eina ofereix una secció de probabilitats sota l'encapçalat Assumint que els valors segueixen una distribució normal:. Aquestes mètriques es calculen a partir de la funció de distribució acumulada de la corba normal estàndard, representada com a Φ(z):
| Mètrica | Descripció matemàtica |
|---|---|
| P(X < x) | Probabilitat que un valor sigui inferior a x (àrea a l'esquerra de z) |
| P(X > x) | Probabilitat que un valor sigui superior a x (àrea a la dreta de z) |
| P(|X − μ| > |x − μ|) | Probabilitat bidireccional (dues cues) d'obtenir un valor més extrem que x |
| Percentil de x | Posició percentil de la dada dins d'una distribució normal teòrica |
Aquestes probabilitats assumeixen estrictament que la població d'origen segueix una distribució normal. Si les dades reals presenten una distribució asimètrica o allargada, les proporcions reals de valors que es troben més enllà d'una determinada puntuació z diferiran de les estimades per la corba normal.
El cas de les dades sense dispersió (variància zero)
Un cas especial es produeix quan tots els valors introduïts en un conjunt de dades són idèntics (per exemple, 5, 5, 5, 5). En aquesta situació, la mitjana és igual a aquest valor únic, la suma de quadrats ($SS$) és 0 i la variància és 0.
Atès que la desviació estàndard és la relació de dispersió, aquesta esdevé 0. Com que el càlcul de la puntuació z requereix dividir per la desviació estàndard, l'operació matemàtica presenta una divisió per zero, que no està definida. En aquest cas, l'eina mostra el missatge d'error: Tots els valors són idèntics, de manera que la desviació estàndard és 0 i les puntuacions z no estan definides..
Preguntes freqüents
Les puntuacions z assumeixen que les meves dades segueixen una distribució normal?
No. Una puntuació z és només un canvi d'escala (quantes desviacions estàndard s'allunya un valor de la mitjana) i està definida per a qualsevol conjunt de dades amb una dispersió diferent de zero. Les probabilitats del mode de resum són la part que assumeix una distribució normal; per a dades asimètriques, la proporció real de valors més enllà d'una z pot diferir de la que indica la corba.
Quan s'ha de dividir per n − 1 en lloc de n?
Dividiu per n − 1 (la desviació estàndard mostral s) quan els vostres valors siguin una mostra d'un grup més gran i vulgueu estimar la dispersió d'aquest grup; el divisor més petit corregeix el biaix a la baixa que té una mostra. Dividiu per n (la desviació estàndard poblacional σ) quan els valors que heu introduït representin tot el grup que us interessa. Les puntuacions z segueixen la mateixa elecció, ja que cada valor es divideix per la dispersió seleccionada.
Per què les puntuacions z no estan definides quan tots els valors són idèntics?
Una puntuació z es calcula dividint per la desviació estàndard. Els valors idèntics no tenen dispersió, de manera que la desviació estàndard és 0 i la divisió no està definida: cada punt es troba exactament a la mitjana, cosa que cap valor z únic pot expressar. La mitjana, la variància i altres estadístiques es continuen calculant amb normalitat.