Assimetria, curtose e normalidade
Descrevendo o formato de uma distribuição.
Assimetria, curtose e normalidade é uma aula grátis de Data Science Academy no CoddyKit. Esta é a aula 4 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Data Science Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Data Science Academy inclui 4 aulas no total.
Partes desta aula ainda não foram traduzidas e aparecem em inglês.
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. ✅
Perguntas Frequentes
A aula “Assimetria, curtose e normalidade” é grátis?
Sim — o texto completo de “Assimetria, curtose e normalidade” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Data Science Academy, atualize para CoddyKit PRO. O curso de Data Science Academy inclui 4 aulas no total.
O que vou aprender em “Assimetria, curtose e normalidade”?
Descrevendo o formato de uma distribuição. Você pratica Data Science Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.
Preciso ter experiência prévia para começar Data Science Academy?
Nenhuma experiência prévia é necessária. Data Science Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 4 de 4.
Quanto tempo leva a aula “Assimetria, curtose e normalidade”?
A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.
Posso escrever e executar código nesta aula de Data Science Academy?
Sim. Cada aula de Data Science Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.
Todas as aulas deste curso
- Correlação não é causalidade
- Pearson versus Spearman
- Ler um mapa de calor de correlações
- Assimetria, curtose e normalidade