09. Distribuições, forma e transformações

A forma de uma distribuição é o que decide quase todas as escolhas seguintes: qual medida de centro usar, qual teste é razoável, se a transformação ajuda. Este capítulo trata das ferramentas que revelam a forma — e das armadilhas de cada uma, a começar pelo gráfico que muda de conclusão conforme a largura do intervalo.

O percurso começa pelo contato cuidadoso com os dados. A disciplina ensina a reconhecer tipos, qualidade, distribuições, relações, vieses e limites antes de construir conclusões ou modelos. Este é o capítulo 9 de 24 da disciplina Análise Exploratória de Dados. Ele retoma Dispersão e estatística robusta e utiliza essa base para avançar. Na sequência, estudaremos Outliers, anomalias e influência.

O fio condutor

Ciência de Dados começa com uma pergunta e termina com uma decisão que precisa ser compreendida, avaliada e acompanhada. Entre esses dois pontos, dados são coletados, examinados e transformados; métodos são escolhidos; resultados são validados; e limitações são comunicadas. Nenhuma etapa compensa automaticamente uma falha grave ocorrida na etapa anterior.

Neste capítulo, use Distribuições, forma e transformações para acompanhar três dimensões: o problema que se deseja resolver, a evidência disponível e o critério usado para avaliar o resultado. Essa separação ajuda a evitar soluções tecnicamente sofisticadas que não respondem à necessidade real.

Histograma

Começamos por Histograma, pois essa base organiza os conceitos e exemplos que aparecerão no restante do capítulo.

O histograma agrupa valores em intervalos e mostra a frequência de cada um. É a ferramenta mais direta para enxergar forma — e a mais sensível a uma escolha arbitrária: a largura dos bins. Bins largos suavizam e escondem estrutura; bins estreitos exibem ruído como se fosse padrão.

Alternativas úteis ao lado do histograma: o boxplot, que resume quantis sem depender de bins, e as estimativas de densidade, que trocam a escolha da largura do bin pela escolha da largura de banda — o problema muda de nome, não desaparece.

Assimetria

Depois de compreender Histograma, passamos a Assimetria. A nova seção acrescenta outra etapa ao mesmo raciocínio e mostra como as decisões anteriores influenciam as próximas.

A assimetria descreve a falta de simetria da distribuição. Cauda longa à direita é comum em valores monetários, tempos e contagens; cauda à esquerda aparece em variáveis limitadas superiormente, como notas em provas fáceis.