Por Michael Judge — Atualizado em 30 de agosto de 2022

Os estatísticos descrevem um conjunto de dados que segue uma curva simétrica em forma de sino como “normal”. Numa distribuição normal, a dispersão dos dados é medida pelo desvio padrão. Qualquer observação pode ser transformada em um escore Z , que informa quantos desvios padrão o valor está em relação à média. Depois de obter uma pontuação Z, você pode determinar a proporção de observações que ficam acima ou abaixo do valor correspondente.

Etapa 1 – Esclareça sua pergunta

Discuta com um colega ou supervisor se deseja a proporção de observações que está acima ou abaixo do valor representado pela sua pontuação Z. Por exemplo, se você tiver uma distribuição perfeitamente normal de pontuações no SAT e estiver interessado na porcentagem de alunos com pontuação acima de 2.000 (uma pontuação Z de 2,85), esse será o seu ponto de partida.

Etapa 2 – Localize a pontuação Z na tabela normal padrão

Abra uma tabela normal padrão (Z). Procure na coluna mais à esquerda os dois primeiros dígitos da sua pontuação Z. No exemplo SAT, “2,8” aparece na 29ª linha.

Etapa 3 – Encontre o terceiro dígito

Procure na linha superior da tabela a terceira casa decimal do índice Z. Para 2,85, o terceiro dígito é “0,05”, que se alinha com a sexta coluna.

Etapa 4 – Leia a probabilidade cumulativa

Na intersecção da 29ª linha com a sexta coluna você encontrará 0,4978. Este número representa a probabilidade cumulativa de que uma observação selecionada aleatoriamente seja menor ou igual ao valor correspondente a um escore Z de 2,85.

Etapa 5 – Calcular a probabilidade da cauda superior

Subtraia a probabilidade cumulativa de 0,5 (ou 0,5–0,4978) para obter a probabilidade de estar acima do valor:0,0022.

Etapa 6 – Converter para uma porcentagem

Multiplique por 100:0,0022×100=0,22%. Assim, apenas 0,22% dos alunos pontuam acima de 2.000.

Etapa 7 – Encontre a porcentagem da cauda inferior

Subtraia a porcentagem superior de 100%:100–0,22=99,78%. Portanto, 99,78% dos alunos pontuam abaixo de 2.000.

TL;DR

Se o tamanho da sua amostra for pequeno, você usará um escore t em vez de um escore Z. Uma tabela t é necessária para interpretar essa estatística.