Skip to main content

Introduzione a curtosi, asimmetria e correlazione

Argomenti: Curtosi, Asimmetria (Skewness), Coefficiente di correlazione di Pearson.

Intro​

Nell'analisi esplorativa dei dati, oltre alle statistiche descrittive fondamentali, è essenziale comprendere altre metriche che danno informazioni sulla forma della distribuzione dei dati e le relazioni tra variabili. In questo contesto, curtosi, asimmetria e correlazione svolgono un ruolo cruciale.

Curtosi​

La curtosi misura la "coda" della distribuzione. Indica se i dati sono pesantemente concentrati attorno alla media (leptocurtica) o se sono più distribuiti (platicurtica).

  • Leptocurtica: Curtosi > 0
  • Mesocurtica (simile alla normale): Curtosi = 0
  • Platicurtica: Curtosi < 0
curtosi = data['colonna'].kurt()

Asimmetria (Skewness)​

L'asimmetria misura la simmetria (o mancanza di essa) della distribuzione dei dati attorno alla media. Indica la direzione e la quantità di asimmetria.

  • Asimmetria positiva: Coda a destra
  • Asimmetria negativa: Coda a sinistra
asimmetria = data['colonna'].skew()

Correlazione​

La correlazione misura la relazione lineare tra due variabili. Il coefficiente di correlazione di Pearson varia tra -1 e 1.

  • Correlazione positiva: quando una variabile aumenta, l'altra tende ad aumentare.
  • Correlazione negativa: quando una variabile aumenta, l'altra tende a diminuire.
  • Nessuna correlazione: nessuna relazione lineare evidente.
correlazione = data['colonna1'].corr(data['colonna2'])
tip

Il metodo corr() di Pandas può essere utilizzato su un intero DataFrame per ottenere una matrice di correlazione tra tutte le variabili :

matrice_correlazione = data.corr()

Esercizi​

Esercizio 1​

  1. Calcola l'asimmetria e la curtosi per una delle tue variabili e rifletti su come i dati sono distribuiti.
  2. Analizza la correlazione tra due variabili nel tuo set di dati.
  3. Utilizza il metodo corr() per visualizzare una matrice di correlazione e individua le variabili fortemente correlate.

Congratulazioni! 🎉

Hai approfondito la tua comprensione di metriche avanzate nell'Analisi Esplorativa dei Dati.