data-stats-analysis

Perform statistical tests, hypothesis testing, correlation analysis, and multiple testing corrections using scipy and statsmodels. Works with ANY LLM provider (GPT, Gemini, Claude, etc.).

1. Zainstaluj wymagane biblioteki: numpy, pandas, scipy i statsmodels. Umieść skill w katalogu .claude/skills/ swojego projektu lub zarejestruj go u dostawcy LLM zgodnie z jego dokumentacją.

2. Zaimportuj niezbędne moduły w swoim skrypcie: numpy, pandas, scipy.stats (w tym ttest_ind, mannwhitneyu, pearsonr, spearmanr, f_oneway, kruskal, chi2_contingency) oraz statsmodels.stats.multitest (multipletests). Dodaj suppresswarnings, aby wyciszyć ostrzeżenia.

3. Przygotuj dane — wczytaj je do tablic numpy lub ramek danych pandas. Upewnij się, że dane są w formacie numerycznym i podzielone na grupy lub zmienne, które chcesz porównać.

4. Wybierz odpowiedni test na podstawie Twojego pytania badawczego: użyj ttest_ind do porównania średnich dwóch grup, f_oneway lub kruskal do porównania trzech lub więcej grup, pearsonr lub spearmanr do badania korelacji między zmiennymi, chi2_contingency do testów niezależności dla danych kategorycznych.

5. Wykonaj test, przekazując dane do wybranej funkcji. Otrzymasz statystykę testową i wartość p. Zinterpretuj wynik: jeśli p < 0,05, różnica lub korelacja jest istotna statystycznie.

6. Jeśli przeprowadzasz wiele testów jednocześnie, zastosuj korektę dla testów wielokrotnych za pomocą multipletests z statsmodels, aby kontrolować wskaźnik fałszywych odkryć (FDR) lub metodę Bonferroniego.