Agent Skills
返回列表
📊

统计假设检验工具

数据分析 更新于 2026.08.30

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 @engicool/hypothesis-testing。

技能介绍

问题

当拿到一列成绩、实验组/对照组数据或频数表时，常见卡点不是算不出均值，而是判断差异是否显著、该用参数还是非参数方法。

工作流

该技能围绕样本数据做假设检验，覆盖：

  • 正态性：Shapiro-Wilk / K-S
  • 均值比较：单样本、独立样本、配对 t检验
  • 分类关联：卡方拟合优度与独立性
  • 多组比较：单因素 ANOVA
  • 前提检查：Levene 方差齐性

它通常接收 CSV/TXT/Excel 文件、逗号分隔列表或数值数组，依赖 numpy、pandas、scipy，按 --test 选择方法，输出 p值、显著性判断与结果解释，可用 --alpha、--expected、--output 调整。使用时先看样本量与分布，再选择参数/非参数检验，最后结合效应量和置信区间判断实际意义。

边界

它回答“是否显著”，不回答因果。独立样本 t检验 和 ANOVA 对正态性与方差齐性更敏感；严重偏态或方差不齐时可改用 Mann-Whitney U / Wilcoxon。多次比较需考虑 Bonferroni 等校正。

使用场景

  • 比较实验组与对照组疗效数据时，先用独立样本 t 检验判断均值差异，再用 Levene 检验检查方差齐性。
  • 教务人员收到班级成绩 CSV 后，用 Shapiro-Wilk 检验判断是否正态，再决定能否使用参数检验。
  • 质量分析人员检查骰子频数或渠道占比时，用卡方拟合优度检验验证观测频数是否符合期望分布。
  • 研究员比较三种教学方法效果时，用单因素 ANOVA 判断多组均值是否存在显著差异。

适合人员

  • 数据分析工程师，想快速判断两组指标差异是否显著并输出 p 值。
  • 算法研究员，需要在实验对比前检查正态性与方差齐性。
  • 质量分析人员，要验证频数或占比是否符合预期分布。
  • 业务分析师，想从 CSV 数据中完成 t 检验、卡方检验或 ANOVA。