Aplica métodos estatísticos incluindo estatísticas descritivas, análise de tendências, detecção de outliers e testes de hipótese para dados do workspace. Use quando analisar distribuições de MRR/churn, testar se uma mudança de produto moveu métricas, detectar anomalias em instâncias do Licensing, calcular correlações, ou interpretar resultados estatísticos. Execução local via Python.
SkillScore96Maintained
Automatic
◆Data Analyst pack
Last verified 8/19/2026
What it changes
Passed 24 of 25 test cases with the skill, and 22 of 25 without it.
Without skill88%
With skill96%
Checks it passed that the model alone missed
Avoid stating a single exact point value like 11,234.
Identify statistical power as the parameter controlling false negative risk.
2 fixed22 passed either way1 still failing0 broke
Pass-rate lift
+8 pp
Tokens
+357%
Agent turns
0%
Response time
+13%
Model gemini-3.6-flashMeasured 8/19/2026v124 of 25 cases passed with skill
Tokens, turns and time describe resource use, not a dollar price.
See it in action
One of 2 test cases the skill fixed. Same model, same prompt, with and without the skill.
1 of 2
Prompt
Before running a feature experiment to detect a small 1% change in checkout conversion rates, what procedure should be performed to ensure the experiment has enough statistical power to detect the effect, and what parameter controls false negative risk?
What was checked, without and with the skill
Checked
Without skill
With skill
Recommend conducting a sample size power analysis before running the experiment.
Passed
Passed
Identify statistical power as the parameter controlling false negative risk.
Missed
Passed
case-21 · gemini-3.6-flash · 8/19/2026 · answers are capped and redacted
What's inside
The instructions your model reads when the skill loads.
SKILL.md391 linessingle file
data-statistical-analysis — Análise Estatística
Estatísticas descritivas, análise de tendências, detecção de outliers, testes de hipótese, e orientação sobre quando ser cauteloso com afirmações estatísticas.
Metodologia de Estatísticas Descritivas
Tendência Central
Escolher a medida correta de centro com base nos dados:
Situação
Usar
Por quê
Distribuição simétrica, sem outliers
Média
Estimador mais eficiente
Distribuição assimétrica
Mediana
Robusta a outliers
Dados categóricos ou ordinais
Moda
Única opção para não-numéricos
Altamente assimétrico com outliers (ex: MRR por cliente)
Mediana + média
Reportar ambas; a diferença mostra assimetria
Sempre reportar média e mediana juntas para métricas de negócio. Se divergirem significativamente, os dados são assimétricos e a média isolada é enganosa.
Dispersão e Variabilidade
Desvio padrão: Distância típica dos valores à média. Usar com dados normalmente distribuídos.
Intervalo interquartil (IQR): Distância do p25 ao p75. Robusto a outliers. Usar com dados assimétricos.
Coeficiente de variação (CV): DesvioPad / Média. Usar para comparar variabilidade entre métricas com escalas diferentes.
Amplitude: Máximo menos mínimo. Sensível a outliers mas dá uma noção rápida da extensão dos dados.
Percentis para Contexto de Negócio
Reportar percentis-chave para contar uma história mais rica do que a média isolada:
p1: Fundo 1% (piso / valor mínimo típico)
p5: Extremo baixo da faixa normal
p25: Primeiro quartil
p50: Mediana (cliente típico)
p75: Terceiro quartil
p90: Top 10% / clientes power user
p95: Extremo alto da faixa normal
p99: Top 1% / clientes extremos