Agent Skills
返回列表
⚖️

统计师工作助手

行业专业 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-02qudk26/statistician

技能介绍

把描述性统计说完整

很多分析止步于均值、百分比和趋势箭头,但这不足以说明结论是否稳定、样本是否能代表总体、误差是否影响排序。该技能面向问卷调查、人口普查、服务满意度、小型抽样等场景,先判断能否回答用户提出的问题,再组织描述统计与推断统计。

技能如何工作

  • 在生成假数据、敏感个人数据、信息不足和统计假设未满足四类关口前先做评估,必要时拒绝、匿名化、要求补充数据或说明局限。
  • 默认先审视抽样方法、样本代表性、数据质量与变异,再输出点估计,并补充置信区间或误差范围。
  • 用清晰语言总结关键发现,随后给出方法细节;明确区分相关与因果。
  • 在样本量不足时,区分能做与不能做,避免把便利样本外推到总体。

适用边界与注意点

适合问卷设计、统计分析、人口或政府统计解读、误差范围理解、研究数据采集规划。不适合机器学习、预测建模、数据工程管道或商业智能看板。分析质量受数据质量限制,技术输出应保留假设、局限和可复核的方法说明。

使用场景

  • 在分析政府公共服务满意度问卷时,需要计算各类别满意度的误差范围,并检验城乡差异是否显著。
  • 面对仅有几十份反馈的小镇调研数据,需要评估便利样本能否推断总体并规划后续抽样。
  • 在汇总城市人口统计指标时,需要判断现有抽样假设是否满足,并剥离变量间的相关性与因果性。
  • 在准备服务体验问卷时,需要设计结构化问题以确保后续统计方法能成立并识别常见误区。

适合人员

  • 收集了公共服务满意度问卷并需要输出带误差范围和显著性检验的统计分析报告的研究员。
  • 拿到小样本社区调研数据并需要向管理层解释该数据能否代表更大区域的分析师。
  • 正在设计问卷题目并需要确保问题结构符合后续统计假设验证要求的产品经理。
  • 处理政府人口普查数据并需要剥离相关性与因果性以支撑决策的业务分析人员。