La curtosis de una variable estadística/aleatoria es una característica de forma de su distribución de frecuencias/probabilidad.

Según su concepción clásica, una curtosis grande implica una mayor concentración de valores de la variable tanto muy cerca de la media de la distribución (pico) como muy lejos de ella (colas), al tiempo que existe una relativamente menor frecuencia de valores intermedios. Esto explica una forma de la distribución de frecuencias/probabilidad con colas más gruesas, con un centro más apuntado y una menor proporción de valores intermedios entre el pico y colas.

Una mayor curtosis no implica una mayor varianza, ni viceversa.

Un coeficiente de apuntamiento o de curtosis es el cuarto momento con respecto a la media estandarizado que se define como:

​

{\displaystyle \beta _{2}={\frac {\mu _{4}}{\sigma ^{4}}}}

​

• leptocúrtica, cuando {\displaystyle \beta _{2}>3} y {\displaystyle g_{2}>0}: más apuntada y con colas más gruesas que la normal.

• platicúrtica, {\displaystyle \beta _{2}<3} y {\displaystyle g_{2}<0}: menos apuntada y con colas menos gruesas que la normal.

• mesocúrtica, {\displaystyle \beta _{2}=3} y {\displaystyle g_{2}=0}: cuando tiene una distribución normal.