前言¶
在做數據分析時，常常需要執行一系列統計假設檢驗：先判斷數據是否滿足正態性，再選擇合適的參數檢驗或非參數檢驗，接着計算 p 值、置信區間與效應量，最後給出結果解釋。這些步驟容易出錯且耗時。下面介紹一個自動化工具，幫助開發者快速完成統計檢驗流程。
這是什麼¶
統計假設檢驗技能（@engicool/hypothesis-testing）是一個基於通用 SKILL.md 格式的統計檢驗工具。它由工程客發佈，屬於 data-analysis 分類。該技能提供自動計算統計量、p 值、置信區間與效應量，並給出結果解釋指南的能力，支持從正態性檢驗到多種參數與非參數檢驗的完整流程。
核心功能¶
根據官方資料，該技能支持以下檢驗類型：
- 正態性檢驗：Shapiro-Wilk、K-S（Kolmogorov-Smirnov）
- t 檢驗：單樣本、獨立樣本、配對樣本
- 卡方檢驗：擬合優度、獨立性
- ANOVA（方差分析）
- Levene 檢驗
- Mann-Whitney U 檢驗
技能會自動計算統計量、p 值、置信區間與效應量，並提供結果解釋指南。
安裝與啓用¶
安裝方式可參考官方資料：
- 座標：@engicool/hypothesis-testing
- 版本：1.1.0
- 來源：enterprise
- 分類：data-analysis
- 標籤：requires_api_key=false
如需啓用，請確保 SkillHub 環境已正確配置，並將該技能納入可用列表。
典型用法¶
在對話中直接描述檢驗需求，例如：
- “對數據集 A 做 Shapiro-Wilk 正態性檢驗”
- “對數據集 B 和 C 做獨立樣本 t 檢驗”
- “對數據集 D 做 ANOVA”
技能將自動完成檢驗計算並給出解釋。
適用場景與注意¶
適合需要批量或頻繁執行統計檢驗的數據分析場景。使用前需確保數據格式與技能要求一致，必要時提前對數據進行預處理。由於是 enterprise 來源，需確認當前環境支持 enterprise 技能。
短結尾¶
統計假設檢驗技能通過自動化流程簡化了從正態性檢驗到多種檢驗類型與結果解釋的全過程。如需瞭解詳情，可訪問官方地址：https://www.skillhub.cn/skills/engicool/hypothesis-testing。
