Puntaje Z y Variables Aleatorias Continuas

El puntaje z, tambien llamado puntuacion estandarizada, indica a cuantas desviaciones estandar se encuentra un valor respecto a la media de una distribucion. Es una de las herramientas mas usadas para comparar datos que provienen de distribuciones distintas, porque convierte cualquier valor a una escala comun.

Este concepto se aplica principalmente a variables aleatorias continuas, es decir, variables que pueden tomar cualquier valor dentro de un intervalo (como estaturas, tiempos o pesos), a diferencia de las variables discretas que solo toman valores contables.

Cuando trabajamos con una variable aleatoria continua, sus valores suelen modelarse con una curva de densidad, siendo la distribucion normal la mas comun. El puntaje z permite transformar esa variable original, con su propia media \( \mu \) y desviacion estandar \( \sigma \), en una variable equivalente sobre la distribucion normal estandar, que siempre tiene media 0 y desviacion estandar 1.

Esta transformacion es util porque, sin importar la escala original de los datos, el puntaje z siempre se interpreta de la misma forma: un valor cero significa que el dato es igual a la media, un valor positivo indica que el dato esta por encima de la media, y un valor negativo indica que esta por debajo.

Para una variable aleatoria continua con distribucion normal, el puntaje z de un valor \( x \) se calcula como:

\( z = \dfrac{x - \mu}{\sigma} \)

donde \( \mu \) es la media de la poblacion y \( \sigma \) es la desviacion estandar de la poblacion. Si en lugar de datos poblacionales se trabaja con una muestra, la formula se adapta usando la media muestral \( \bar{x} \) y la desviacion estandar muestral \( s \):

\( z = \dfrac{x - \bar{x}}{s} \)

Supongamos que una variable aleatoria continua sigue una distribucion normal con media \( \mu = 70 \) y desviacion estandar \( \sigma = 5 \). Queremos calcular el puntaje z del valor \( x = 82 \).

Paso 1: identifica los valores conocidos. Aqui \( x = 82 \), \( \mu = 70 \) y \( \sigma = 5 \).

Paso 2: resta la media al valor observado: \( 82 - 70 = 12 \).

Paso 3: divide ese resultado entre la desviacion estandar: \( z = \dfrac{12}{5} = 2.4 \).

El resultado \( z = 2.4 \) significa que el valor 82 se encuentra 2.4 desviaciones estandar por encima de la media. Este tipo de resultado, alejado de cero, suele analizarse con la regla del evento raro para decidir si un valor es estadisticamente inusual.

Una vez calculado, el puntaje z se ubica sobre la curva de la distribucion normal estandar, que tiene media 0 y desviacion estandar 1. Cuanto mas lejos de cero este el puntaje z, mas alejado esta el valor original de la media de su distribucion.

En la practica, se suele considerar que un puntaje z con \( |z| \le 2 \) corresponde a un valor comun dentro de la distribucion, mientras que un puntaje con \( |z| > 2 \) empieza a considerarse un valor poco usual o extremo. Este criterio se estudia con mas detalle al comparar puntajes z de muestras individuales frente a los de distribuciones muestrales completas.

El puntaje z permite comparar valores que provienen de escalas o unidades diferentes. Por ejemplo, se puede comparar el rendimiento de un estudiante en dos examenes distintos, cada uno con su propia media y desviacion estandar, calculando el puntaje z de cada calificacion y viendo cual esta relativamente mas alto respecto a su propio grupo.

Este mismo principio de estandarizacion es la base para calcular probabilidades bajo la curva normal, para analizar distribuciones de medias muestrales y para justificar resultados relacionados con el comportamiento de grandes muestras.

Related lessons

• Es Statistics Help