用途：面向统计分布分析与假设检验，帮助识别数据适合的分布族并评估拟合质量。
主要能力：计算描述性统计（均值、中位数、标准差、偏度、峰度、四分位数等）；对正态、对数正态、指数、Gamma、Weibull、Beta、Pareto、Student's t 等连续分布进行拟合，并用对数似然、AIC、BIC 与 Kolmogorov-Smirnov 检验排序；提供 Shapiro-Wilk、D'Agostino-Pearson、Anderson-Darling、K-S 等正态性检验；支持 IQR、Z 分数、MAD 三种异常值检测；提供自助法置信区间；生成直方图+KDE、Q-Q 图、箱线图、经验 CDF、P-P 图、小提琴图等诊断图。
使用方式：以 Python 类 DistributionAnalyzer 封装，依赖 numpy、scipy.stats、matplotlib。典型流程为：准备数据数组，创建分析器，依次调用 descriptive_stats、fit_distributions、test_normality、detect_outliers、bootstrap_ci、plot_analysis。
适用场景：数据探索、分布选择、可靠性/生存分析、计数数据建模、重尾数据判断等。
限制：资料未提供安装命令、收费与平台信息；检验结果依赖样本量与假设，建议结合可视化与多个检验，避免仅凭单一检验或过拟合。