统计分析师
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 @user_3c6cb52e/statistical-analyst。
技能介绍
它解决什么问题
A/B 实验跑完，转化率涨了 1.2%，p=0.04——该上线吗？这个问题通常被简化成「显著就上」。但统计显著和业务显著是两回事，statistical-analyst 要回答的是后者。
常见坑包括：实验前没算样本量，跑完才发现根本检不出真实效果；每天偷看结果，假阳性率悄悄膨胀；同时测 10 个指标都按 α=0.05 判断，至少撞出一个「显著」几乎是必然。这个技能把这些隐患显式化，而不是等结论出错再回头看。
技能如何工作
它覆盖实验全生命周期的三个阶段：
- 实验前（Mode 2）：给定基线转化率、最小可检测效应（MDE）、显著性水平 α 和统计功效 1−β，
sample_size_calculator.py算出每个变体所需样本量，并在启动前锁定停止规则，防止 p-hacking - 实验后（Mode 1）：
hypothesis_tester.py按指标类型选检验——比例用 Z-test、连续均值用 Welch t-test、分类计数用 Chi-square——输出 p 值、置信区间和效应量（Cohen's d/h、Cramér's V） - 解读阶段（Mode 3）：按 "Bottom Line → What → Why It Matters → How to Act" 的结构给出可操作建议，而非只丢一个 p 值
它还内置风险雷达：自动检测 peeking/early stopping、多重比较、功效不足、SUTVA 违反、Simpson's Paradox 和 novelty effect。每条结论都带置信标签——🟢 Verified / 🟡 Likely / 🔴 Inconclusive，功效不足时明确告诉你「结果无意义，不要据此行动」。
适用边界
它不设计实验（随机化、埋点、holdout 找 ab-test-setup），不清洗数据（找 data-quality-auditor），也不做贝叶斯推断——这里是频率派工具箱。实验还没开始、数据还有问题时，先解决前置问题，再来跑检验。
使用场景
- 实验数据已回收，需要跑对检验，给出 p 值、置信区间、效应量和上线或继续或放弃的明确建议。
- 新实验即将上线，要在开跑前根据基线、最小可检测效应和功效算出每个变体所需样本量，并确认流量能支撑时长。
- 有人给出留存上涨了几个百分点的结果，询问是否显著，需要核查样本量与假设前提，再判断能否据此做决策。
- 一次实验同时评估多个指标，需要做多重比较校正，避免把偶然撞出的显著当成真实效果。
适合人员
- 数据分析师：日常工作是跑实验、出报告，需要规范的检验流程和效应量解读，而不是只报一个 p 值。
- 产品经理：要对实验结果做上线或暂缓的决策，需要用统计证据而不是感觉来拍板。
- 增长团队实验负责人：设计并评估转化率和留存类实验，需要在上线前做样本量规划和锁定停止规则。
- 实验平台工程师：在代码中接入统计检验和样本量计算，做 A/B 平台或实验分析能力建设。
相关技能
一款完全本地运行的微信聊天数据分析工具，支持MBTI人格推断、情感分析、风险检测、关系健康度评估和对话预测，注重隐私保护。
一个自动启动 Edge 浏览器并连接 BrowserSkill 扩展的通用组件，确保网页抓取和自动化任务的前置条件就绪。
面向小红书单篇笔记或品类搜索，输出标题套路、结构、原话评论和可跟进角度的调研备忘；粘贴笔记即可无需查询完成，公开查询需单独确认且计费。
基于新浪财经接口的 A 股实时行情监测工具，支持价格与涨跌幅预警、日志记录和定时检查。