Cómo funciona
Una puntuación Z (también llamada puntuación tipificada o estándar) indica cuán lejos se encuentra un valor de la media de su distribución, medido en desviaciones típicas. La fórmula es z = (x − μ) / σ, donde x es el valor bruto, μ es la media poblacional y σ es la desviación típica poblacional. Una z de 0 significa que el valor cae justo en la media; +1, una desviación típica por encima; −2, dos desviaciones típicas por debajo. El signo indica la dirección, la magnitud lo inusual del valor.
La utilidad de la puntuación Z es que elimina las unidades y la escala original de la medida. Un examen con 78 puntos no significa gran cosa por sí solo, pero una z de +1,2 te dice que el alumno superó a aproximadamente el 88 % de la promoción, sea el examen sobre 100 o sobre 250. La misma lógica vale para mediciones de laboratorio (un valor analítico frente a un rango de referencia), control de calidad (lo lejos que una pieza se desvía de la especificación), finanzas (un retorno frente a su media histórica) y cualquier contexto en el que quieras comparar valores de distribuciones de escalas distintas en igualdad de condiciones.
Las salidas de percentil y probabilidad de la calculadora asumen que la distribución subyacente es aproximadamente normal — es decir, en forma de campana y simétrica respecto a la media. Muchas medidas del mundo real se acercan lo suficiente: estatura, presión arterial, notas de un examen en grupo grande, tolerancias de fabricación. Si tus datos están sesgados (renta, tiempos de reacción, crecimiento biológico) la propia puntuación Z sigue siendo válida, pero la interpretación del percentil será incorrecta — necesitarías otra distribución de referencia. Comprobación rápida: si tus datos tienen cola larga o están acotados en cero, el percentil de distribución normal es solo aproximado. Para datos estrictamente normales, el percentil es exacto (salvo redondeo) y las reglas son: ±1σ contiene el 68 % de los valores, ±2σ el 95 %, ±3σ el 99,7 %.
La fórmula
x es el valor bruto, μ la media poblacional y σ la desviación típica poblacional. Φ(z) es la función de distribución acumulada de la normal estándar — da la probabilidad de que una variable normal caiga en o por debajo de z. La calculadora calcula Φ(z) con la aproximación de Abramowitz-Stegun, precisa a unas siete decimales — más que suficiente para cualquier uso práctico. Si solo dispones de media muestral y desviación típica muestral en lugar de los parámetros poblacionales, la "z" resultante es técnicamente un estadístico t y el percentil normal saldrá ligeramente desviado en muestras pequeñas (n < 30); en muestras grandes la diferencia es despreciable.
Ejemplo de cálculo
- Un alumno obtiene 78 en un examen. La media de la clase es 65 con desviación típica 10.
- z = (78 − 65) / 10 = +1,30 — es decir, 1,3 desviaciones típicas por encima de la media.
- Φ(1,30) ≈ 0,9032; el alumno superó aproximadamente al 90 % de la clase (un 10 % sacó más).
Preguntas frecuentes
¿Cuándo me puedo fiar del percentil que sale?
Cuando la distribución subyacente es aproximadamente normal — en forma de campana y razonablemente simétrica respecto a la media. Para notas de exámenes en cohortes grandes, tests de CI, estatura, presión arterial, tolerancias de fabricación y la mayoría de medidas agregadas, el supuesto es lo bastante bueno como para que el percentil sea exacto con uno o dos puntos de margen. Para datos sesgados (renta, tiempos de reacción, cualquier variable acotada en cero con cola larga), la puntuación Z sigue siendo válida como medida de distancia a la media, pero la interpretación de percentil puede equivocarse mucho — una z de +2 en una distribución de colas pesadas puede corresponder al percentil 90 y no al 97,5. Regla rápida: si dibujas el histograma de tus datos y no parece una campana, usa la z solo como magnitud y no cites el percentil.
¿Uso desviación típica poblacional o muestral?
Usa la desviación típica poblacional (σ) cuando dispongas realmente de datos de toda la población — las notas de todos los alumnos del curso, los valores analíticos de todos los pacientes del registro. Usa la muestral (s) cuando solo tengas un subconjunto y la utilices para estimar el parámetro poblacional. La calculadora hace la misma aritmética en ambos casos — lo que cambia es la interpretación del percentil. Con σ poblacional, el resultado es una verdadera z y el percentil normal es exacto (bajo normalidad). Con s muestral en muestra pequeña (n < 30), el resultado es técnicamente una t y el percentil normal subestima ligeramente la probabilidad de cola. En la mayoría de usos de laboratorio y aula con tamaños razonables, la diferencia es despreciable.
¿Qué significa una puntuación Z negativa?
Significa que el valor cae por debajo de la media. La magnitud es igual que en una z positiva — una z de −1,5 está exactamente a la misma distancia del centro que +1,5, solo que al otro lado. La interpretación del percentil se invierte: una z de −1,5 sitúa el valor en torno al percentil 7 (solo un 7 % de la distribución está más abajo), y +1,5 en el 93. Negativo no es «malo» por sí mismo — en algunas métricas lo bajo es bueno (colesterol, tasas de error, tiempos de respuesta), en otras lo alto lo es (notas, marcas de forma física). El signo indica dirección; tú decides si esa dirección es favorable según el contexto.
¿Es lo mismo una puntuación Z que una puntuación t o una puntuación estandarizada?
Casi. La puntuación Z usa la desviación típica poblacional σ; el estadístico t usa la desviación típica muestral s y se refiere a una distribución t, no a la normal. Para muestras de n ≥ 30 la t se acerca mucho a la normal y, en la práctica, ambas son intercambiables. «Puntuación estandarizada» es un término paraguas que suele significar puntuación Z, pero a veces se usa para cualquier reescala que produzca valores con media 0 y varianza 1. Dos convenciones afines que puedes encontrar: el T-score en psicometría (media 50, SD 10 — un reescalado lineal de la z para evitar negativos) y la stanine (escala 1-9, media 5). Todas son transformaciones lineales sencillas de la z subyacente, así que con la z calculada, convertir entre ellas es una multiplicación y una suma.