前言¶
在做数据分析时，常常需要执行一系列统计假设检验：先判断数据是否满足正态性，再选择合适的参数检验或非参数检验，接着计算 p 值、置信区间与效应量，最后给出结果解释。这些步骤容易出错且耗时。下面介绍一个自动化工具，帮助开发者快速完成统计检验流程。
这是什么¶
统计假设检验技能（@engicool/hypothesis-testing）是一个基于通用 SKILL.md 格式的统计检验工具。它由工程客发布，属于 data-analysis 分类。该技能提供自动计算统计量、p 值、置信区间与效应量，并给出结果解释指南的能力，支持从正态性检验到多种参数与非参数检验的完整流程。
核心功能¶
根据官方资料，该技能支持以下检验类型：
- 正态性检验：Shapiro-Wilk、K-S（Kolmogorov-Smirnov）
- t 检验：单样本、独立样本、配对样本
- 卡方检验：拟合优度、独立性
- ANOVA（方差分析）
- Levene 检验
- Mann-Whitney U 检验
技能会自动计算统计量、p 值、置信区间与效应量，并提供结果解释指南。
安装与启用¶
安装方式可参考官方资料：
- 坐标：@engicool/hypothesis-testing
- 版本：1.1.0
- 来源：enterprise
- 分类：data-analysis
- 标签：requires_api_key=false
如需启用，请确保 SkillHub 环境已正确配置，并将该技能纳入可用列表。
典型用法¶
在对话中直接描述检验需求，例如：
- “对数据集 A 做 Shapiro-Wilk 正态性检验”
- “对数据集 B 和 C 做独立样本 t 检验”
- “对数据集 D 做 ANOVA”
技能将自动完成检验计算并给出解释。
适用场景与注意¶
适合需要批量或频繁执行统计检验的数据分析场景。使用前需确保数据格式与技能要求一致，必要时提前对数据进行预处理。由于是 enterprise 来源，需确认当前环境支持 enterprise 技能。
短结尾¶
统计假设检验技能通过自动化流程简化了从正态性检验到多种检验类型与结果解释的全过程。如需了解详情，可访问官方地址：https://www.skillhub.cn/skills/engicool/hypothesis-testing。
