Asimetría, curtosis y normalidad
Describir la forma de una distribución.
Asimetría, curtosis y normalidad es una lección gratuita de Data Science Academy en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Data Science Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Data Science Academy incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
The Shape of Data
Beyond the average, every column has a shape. Knowing whether it is symmetric, lopsided, or heavy-tailed changes how you analyze it. 📊
What Skew Means
Skewness measures how lopsided a distribution is. A perfectly symmetric bell has zero skew, while a long tail on one side pushes it positive or negative.
print(df["income"].skew())Right-Skewed Data
A positive skew has a long tail stretching right. Income is the classic case: most people cluster low while a few large values pull the mean upward.
Left-Skewed Data
A negative skew has its long tail on the left. Exam scores near a ceiling often look this way, with a few low results trailing far behind the pack.
Mean Versus Median
Skew separates the mean from the median. In right-skewed data the mean sits above the median, which is why median is the safer center for skewed columns.
What Kurtosis Means
Kurtosis describes the tails. High kurtosis means heavy tails with more extreme values, while low kurtosis means thin tails and fewer surprises.
print(df["income"].kurt())Heavy Tails, More Outliers
High kurtosis warns you to expect outliers. The distribution produces extreme values more often than a gentle bell curve ever would.
The Normal Distribution
The famous bell curve is the normal distribution. It is symmetric, has skew near zero, and many statistical methods quietly assume your data looks like it.
Checking Normality
You can check normality by eye with a histogram or a Q-Q plot, where points hugging the diagonal line suggest a roughly normal shape.
Why Normality Matters
Some tests and models assume normality. When data breaks that assumption, your p-values and confidence intervals can quietly become unreliable.
Fixing Skew
A heavy right skew often relaxes after a log transform. Reshaping the column toward normal can make later modeling steps behave far more nicely.
Quick Check
A column has a long tail to the right and a positive skew value. Which statement is true?
Recap
Skew shows lopsidedness and kurtosis shows tail heaviness. The normal curve is the symmetric baseline, and a log transform can tame stubborn skew. ✅
Preguntas frecuentes
¿La lección «Asimetría, curtosis y normalidad» es gratis?
Sí — el texto completo de «Asimetría, curtosis y normalidad» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Data Science Academy, actualiza a CoddyKit PRO. El curso de Data Science Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Asimetría, curtosis y normalidad»?
Describir la forma de una distribución. Practicas Data Science Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Data Science Academy?
No se requiere experiencia previa. Data Science Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Asimetría, curtosis y normalidad»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Data Science Academy?
Sí. Cada lección de Data Science Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Correlación no es causalidad
- Pearson frente a Spearman
- Interpretar un mapa de calor de correlaciones
- Asimetría, curtosis y normalidad