面向决策的数据分析助手,提供统计严谨性、假设检验、A/B测试与陷阱识别的免费核心能力。Use when 需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于实时流数据处理。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互，无需复杂配置即开即用。输出结果可直接使用，减少二次加工成本。 功能涵盖: toolkit。
4 installs
Coding
统计假设检验技能
Try it统计假设检验工具；支持正态性检验(Shapiro-Wilk/K-S)、t检验(单样本/独立/配对)、卡方检验(拟合优度/独立性)、ANOVA、Levene检验、Mann-Whitney U检验；自动计算统计量、p值、置信区间与效应量；提供结果解释指南
What it does
统计假设检验工具；支持正态性检验(Shapiro-Wilk/K-S)、t检验(单样本/独立/配对)、卡方检验(拟合优度/独立性)、ANOVA、Levene检验、Mann-Whitney U检验；自动计算统计量、p值、置信区间与效应量；提供结果解释指南
The skill document
假设检验工具
任务目标
- 本Skill用于:对样本数据进行统计假设检验，判断样本与总体、样本与样本之间是否存在显著差异
- 能力包含:正态性检验(Shapiro-Wilk/K-S)、t检验(单样本/独立/配对)、卡方检验(拟合优度/独立性)、ANOVA、方差齐性检验、非参数检验
- 触发条件:用户需要"检验正态性"、"比较两组数据"、"验证比例是否符合预期"、"判断多组均值是否相等"
前置准备
- 依赖包:numpy, pandas, scipy
- 数据准备:CSV/TXT/Excel文件或逗号分隔的数值列表
操作步骤
1. 数据准备
确保数据格式符合要求:
- 数值型数据
- 缺失值已处理
- 异常值已检查(可选)
2. 选择检验方法
根据研究问题选择合适的检验:
| 目的 | 检验方法 |
|---|---|
| 判断数据是否正态 | Shapiro-Wilk / K-S检验 |
| 比较样本均值与总体均值 | 单样本t检验 |
| 比较两组独立样本 | 独立样本t检验 / Mann-Whitney U |
| 比较配对样本 | 配对样本t检验 |
| 检验分类变量关联 | 卡方独立性检验 |
| 检验观测与期望频数 | 卡方拟合优度检验 |
| 比较三组及以上均值 | 单因素ANOVA |
| 检验方差齐性 | Levene检验 |
3. 执行检验
调用脚本进行分析:
python scripts/hypothesis_test.py --test <检验类型> --data1 <数据> [参数]
4. 解读结果
- 查看p值与显著性水平α的比较
- 结合效应量评估实际意义
- 参考置信区间
- 使用 references/interpretation_guide.md 获取详细解释
使用示例
示例1:正态性检验
- 场景:检验某班级数学成绩是否服从正态分布
- 输入:成绩数据 [85, 90, 78, 92, 88, 76, 95, 82, 89, 91]
- 命令:
python scripts/hypothesis_test.py --test shapiro --data1 "85,90,78,92,88,76,95,82,89,91" - 关键要点:p > 0.05时认为数据服从正态分布，可进一步使用参数检验
示例2:两独立样本t检验
- 场景:比较实验组与对照组的疗效差异
- 输入:实验组 [85, 88, 90, 92, 87], 对照组 [78, 82, 80, 76, 79]
- 命令:
python scripts/hypothesis_test.py --test two_sample_t --data1 "85,88,90,92,87" --data2 "78,82,80,76,79" - 关键要点:报告Cohen's d评估效应大小；先做Levene检验验证方差齐性
示例3:卡方拟合优度检验
- 场景:检验骰子是否公平(期望每个面出现概率相等)
- 输入:观测频数 [18, 22, 16, 20, 15, 19] (每个面出现次数)
- 命令:
python scripts/hypothesis_test.py --test chi_square_goodness --data1 "18,22,16,20,15,19" - 关键要点:期望频数默认相等；可指定--expected自定义期望分布
示例4:单因素ANOVA
- 场景:比较三种教学方法的效果
- 输入:方法A [85, 90, 88], 方法B [78, 82, 80], 方法C [92, 95, 90]
- 命令:
python scripts/hypothesis_test.py --test anova --data1 "85,90,88" --data2 "78,82,80;92,95,90" - 关键要点:ANOVA显著后需进行事后检验(如Tukey HSD)确定具体哪些组有差异
示例5:从文件读取数据
- 场景:数据存储在CSV文件中
- 命令:
python scripts/hypothesis_test.py --test shapiro --data1 ./data/grades.csv - 关键要点:支持.csv/.txt/.xlsx文件；脚本会读取第一列数据
检验参数说明
| 参数 | 说明 | 默认值 |
|---|---|---|
| --test | 检验类型 | 必需 |
| --data1 | 第一组数据 | 必需 |
| --data2 | 第二组数据(两样本检验) | 可选 |
| --alpha | 显著性水平 | 0.05 |
| --pop_mean | 总体均值(单样本t检验) | 样本均值 |
| --expected | 期望频数(卡方检验) | 均匀分布 |
| --output | 输出JSON文件路径 | 输出到stdout |
支持的检验类型
| test值 | 检验名称 | 适用场景 |
|---|---|---|
| shapiro | Shapiro-Wilk正态性检验 | 小样本(n<5000)正态判断 |
| ks | K-S正态性检验 | 大样本正态判断 |
| one_sample_t | 单样本t检验 | 与已知总体比较 |
| two_sample_t | 独立样本t检验 | 两独立组比较 |
| paired_t | 配对样本t检验 | 配对/重复测量比较 |
| chi_square_goodness | 卡方拟合优度检验 | 观测vs期望频数 |
| chi_square_independence | 卡方独立性检验 | 两分类变量关联 |
| anova | 单因素ANOVA | 三组及以上均值比较 |
| levene | Levene方差齐性检验 | 方差齐性判断 |
| mann_whitney | Mann-Whitney U检验 | 两组非参数比较 |
结果输出说明
脚本输出JSON格式结果，包含:
test_name: 检验名称statistic: 检验统计量(t值/F值/χ²值等)p_value: p值df: 自由度alpha: 显著性水平confidence_interval: 置信区间(适用时)effect_size: 效应量(适用时)conclusion: 结论描述interpretation: 解释字符串
资源索引
- 脚本:见 scripts/hypothesis_test.py(用途:执行各种假设检验计算，参数定义见上方检验参数说明)
- 参考:见 references/interpretation_guide.md(何时读取:需要解读检验结果或了解检验方法适用场景时)
注意事项
- 正态性前提:t检验和ANOVA要求数据近似正态分布；大样本(n>30)时中心极限定理可缓解此要求
- 方差齐性:独立样本t检验和ANOVA要求方差齐性；可先做Levene检验
- 样本量影响:p值受样本量影响，大样本时需关注效应量
- 多重比较:进行多次检验时需校正显著性水平(如Bonferroni校正)
- 非参数替代:数据严重偏态或方差不齐时，使用Mann-Whitney U或Wilcoxon符号秩检验
- 因果关系:假设检验仅判断差异显著性，不能推断因果关系
TRACE 测评
| 维度 | 评分 | 说明 |
|---|---|---|
| T — 可信任度 | 9/10 | 纯文档/脚本技能，无外部依赖风险，支持中文交互 |
| R — 可靠性 | 9/10 | 有异常处理说明; 输出格式明确 |
| A — 适用性 | 9/10 | 有适用范围声明; 触发条件明确 |
| C — 规范性 | 10/10 | frontmatter 完整; 文档结构清晰; 内容充分 |
| E — 有效性 | 10/10 | 输出明确; 含使用示例; 文档详尽 |
| 总分 | 47/50 | 通过 |
Related skills
用于诊断英文心理学论文 Results（结果）部分的统计报告规范，检查 M、SD、t(df)、F(df1, df2)、p 值、效应量（Cohen's d、partial η²、r 等）、置信区间的报告格式与完整性，以及统计结果与文字描述的一致性，判断是否符合 APA 风格统计报告习惯。当用户提供 Results 草稿并希望检查统计报告格式、补充效应量或置信区间、核对统计量与文字描述是否一致、或需要按 APA 格式改写统计结果陈述时触发本 Skill。仅针对 Results 部分的统计报告写作规范，不替代统计计算本身。
药企药物研发辅助临床试验数据统计。参考 Statistical Analysis skill 的 descriptive statistics 与 group comparison 部分，构建试验分析支持能力。
13 installs
检验检测行业质量控制和数据分析工具箱。覆盖室内质控、室间比对、批次间比对、方法验证、趋势监控五大场景。方法通用，跨领域适用。
过程能力分析技能；计算CP/CPK/PP/PPK等指标，支持正态/二项分布建模，控制图/直方图/能力图可视化；用于质量工程师进行过程能力评估、数据建模或生成质量分析报告
1 installs
当团队要选测试工具（自动化框架/性能工具/管理平台）、现有工具不能满足需求需要替换、或者公司要求做技术评估时使用此技能。通过多维度对比评估（功能覆盖/学习成本/社区活跃度/维护成本/扩展性）输出推荐方案和迁移实施建议。不要只看 Gartner 象限或者技术网红推荐——工具好不好取决于你的团队能力、技术栈和实际场景。每个推荐方案附带 POC 验证计划和风险提示。 本技能属于 QA Test Skills 技能集（49 个技能之一），完整工作流体验需安装全套：npx skills add Kokxi/qa-test-skills
1 installs