Olá, Márcio. Como vai?
Sua observação é brilhante e toca no cerne da precisão analítica dentro da Ciência de Dados e da Estatística! Você está totalmente correto: o uso de DESVPAD.P (Populacional) versus DESVPAD.A (Amostral) altera o denominador do cálculo e, consequentemente, impacta o resultado de qualquer padronização subsequente, como o cálculo do Score-Z.
Para deixar claro o motivo de o Excel gerar esses números diferentes e ajudar a consolidar quando usar cada um no dia a dia, vale a pena entender o que acontece por trás das fórmulas:
DESVPAD.P (População): É usado quando você tem em mãos a totalidade absoluta dos dados daquele cenário. Se a sua planilha contém todas as vendas realizadas pela empresa em sua história (ou no período completo avaliado), o instrutor utilizou a fórmula certa, pois não há extrapolação a ser feita. O cálculo divide a soma dos desvios pelo número total de elementos ($N$).DESVPAD.A (Amostra): É usado quando os dados da planilha são apenas uma "fatia" ou amostragem de um universo muito maior. Para corrigir o fato de que uma amostra tende a subestimar a real variabilidade da população, a fórmula aplica a Correção de Bessel, dividindo pelo número de elementos menos um ($n - 1$).
Como o denominador da fórmula amostral ($n - 1$) é menor, o resultado do Desvio Padrão Amostral sempre será ligeiramente maior do que o populacional.
Ao aplicar a padronização do valor da venda (Score-Z), a fórmula utilizada na célula do Excel é:
= (Valor_da_Venda - Média) / Desvio_Padrão
Como o desvio padrão fica no denominador dividindo a conta, se você usar o desvio amostral (que é maior), o "Valor da Venda Padronizado" final ficará sutilmente menor (mais próximo de zero) em comparação ao método populacional.
A regra de ouro prática para os seus próximos projetos no Excel é: se os dados representam um teste, uma pesquisa parcial ou um recorte de tempo, use sempre as funções amostrais (DESVPAD.A e VAR.A). Se representam o censo completo do cenário, vá de populacional (DESVPAD.P e VAR.P).
Parabéns pelo olhar técnico aguçado e por perceber esses detalhes que mudam o resultado dos modelos analíticos!
Espero que possa ter lhe ajudado!