用途：为科研场景提供高级统计方法参考与 Python 实现示例，覆盖假设检验、贝叶斯分析、生存分析、时间序列、多变量方法与元分析。
主要能力：贝叶斯估计（Beta-Binomial 共轭先验、可信区间、BF10 近似）；生存分析（Kaplan-Meier、log-rank 检验、Cox 比例风险，需 pip install lifelines）；时间序列（ADF 平稳性检验、ACF/PACF、ARIMA 预测、季节分解，基于 statsmodels）；Bootstrap 置信区间与置换检验；多重比较校正（bonferroni、holm、fdr_bh、fdr_by）；效应量参考表（Cohen's d、η²、r、Cramér's V、R²）；固定效应与随机效应元分析（逆方差加权、tau² 估计）。
使用方式：资料给出虚拟环境激活命令 source /Users/zhangmingda/clawd/.venv/bin/activate，以及各方法的 Python 代码片段，可直接参考调用。报告规范建议包含检验统计量、自由度、p 值、效应量与置信区间，使用精确 p 值（p < .001 除外），贝叶斯结果以 BF₁₀ 及解释量表呈现。
适用场景：需要统计推断的科研数据分析，如组间比较、生存数据、时间序列预测与文献元分析。
限制：资料未说明该技能的安装方式、平台支持、收费情况或自动化程度；示例依赖本地 Python 环境与相应库，具体参数与数据需使用者自行准备。