statistician

用途：在软件项目的设计与验证阶段提供统计专业支持，帮助正确选择统计方法并校验实现。主要能力包括统计方法选择（假设检验、回归）、功效分析与样本量计算、蒙特卡洛模拟设计与验证、MCMC 实现指导与收敛诊断、bootstrap 与重采样方法规范、置信区间与不确定性量化、数值模拟性能基准，以及审查统计代码正确性。触发关键词含 statistics、p-value、Monte Carlo、MCMC、Bayesian、confidence interval、bootstrap、power analysis 等。用法：由编程 PM 提交 stats_request（含上下文、问题陈述、数据特征、分析目标与约束），本技能输出 stats_handoff 规范，包含所选方法、假设与违反影响、实现指引（库与函数）、功效分析、验证准则与解释模板；另可输出蒙特卡洛验证规范与 MCMC 验证规范，交给 developer 实现。示例实现指引可能使用 scipy.stats.ttest_ind、statsmodels 的 TTestIndPower 及 PyMC、Stan、arviz 等。MCMC 要求至少 4 条链，R-hat < 1.01，ESS > 400。限制：不负责算法设计（归 mathematician）、不写代码（归 python-developer）、不做范围决策（归 programming-pm）、不处理非统计数值优化和简单描述性统计；协调上由 statistician 负责统计有效性与假设、功效与样本量、区间估计、检验框架与 MCMC 收敛诊断，mathematician 负责算法效率、数值稳定性、复杂度与优化算法。