Sumário
O score-Z, também conhecido como escore padronizado ou z-score, é uma medida que descreve a posição de um valor em relação à média de um conjunto de dados, expressa em termos de desvios padrão. Ele indica quantos desvios padrão um valor está acima ou abaixo da média.
Fórmula do Score-Z
A fórmula para calcular o score-Z de um valor 𝑥 é:
Onde:
- 𝑍 é o score-Z,
- 𝑥 é o valor individual,
- 𝜇 é a média do conjunto de dados,
- 𝜎 é o desvio padrão do conjunto de dados.
Interpretação do Score-Z
- Z = 0: O valor x é igual à média.
- Z positivo: O valor x está acima da média.
- Z negativo: O valor x está abaixo da média.
- |Z| > 2 ou |Z| > 3: O valor x está a mais de 2 ou 3 desvios padrão da média, o que pode indicar um outlier, dependendo do contexto.
Exemplo Prático
Vamos calcular o score-Z para um conjunto de dados. Suponha que temos os seguintes dados de pontuações de um teste: 70, 75, 80, 85, 90, 95, 100.
- Calcule a média (𝜇):
- Calcule o desvio padrão (𝜎): Primeiro, calcule a soma das diferenças ao quadrado em relação à média:
Soma das diferenças ao quadrado:
Variância (para uma população):
Desvio padrão:
- Calcule o score-Z para uma pontuação específica, por exemplo, 90:
Portanto, a pontuação de 90 está 0.5 desvios padrão acima da média.
Aplicação do Score-Z na Ciência de Dados
-
Identificação de Outliers Valores com score-Z acima de 2 ou abaixo de -2 são frequentemente considerados outliers. Isso ajuda a detectar anomalias nos dados.
Exemplo: Em um conjunto de dados de alturas, valores com score-Z muito alto ou baixo podem indicar erros de medição ou indivíduos excepcionalmente altos ou baixos.
-
Padronização de Dados Padronizar dados significa transformar os valores para que tenham média 0 e desvio padrão 1. Isso é útil para comparações e para algoritmos de machine learning que se beneficiam de dados em uma escala comum.
Exemplo: Em uma análise de várias métricas de desempenho, padronizar os dados permite comparar diferentes métricas na mesma escala.
-
Detecção de Anomalias Em modelos de detecção de fraudes ou manutenção preditiva, scores-Z podem ser usados para identificar comportamentos anômalos.
Exemplo: Em transações financeiras, scores-Z altos podem indicar transações fraudulentas.
Exemplo Complementar
Imagine que você está analisando o tempo de resposta de um servidor em milissegundos: 120, 115, 130, 150, 110, 170, 125.
- Calcule a média (𝜇):
- Calcule o desvio padrão (𝜎): Primeiro, calcule a soma das diferenças ao quadrado em relação à média:
Soma das diferenças ao quadrado:
Variância (para uma população):
Desvio padrão:
- Calcule o score-Z para um tempo de resposta específico, por exemplo, 150 ms:
Portanto, o tempo de resposta de 150 ms está aproximadamente 0.94 desvios padrão acima da média.
Conclusão
O score-Z é uma ferramenta poderosa e versátil para analistas e cientistas de dados. Ele permite a padronização de dados, identificação de outliers, comparação de valores de diferentes distribuições e detecção de anomalias. Compreender como calcular e interpretar scores-Z é fundamental para análises precisas e informadas em diversas aplicações estatísticas e de machine learning.