用途：对 A/B（及 A/B/n）实验做统计显著性检验，并支持实验前的样本量与时长规划、实验后的功效与贝叶斯分析。
主要能力：显著性检验（卡方、比例 Z 检验、T 检验）；样本量估算（按基线转化率、最小可检测效应 MDE、功效与显著性水平）；功效分析；转化率置信区间；多变量测试（支持 bonferroni、holm 或不做校正）；贝叶斯分析（变体优于对照的概率、期望提升与可信区间）；测试时长估算。
使用方式：Python 中导入 ABTestCalculator，调用 test_significance、calculate_sample_size、calculate_power、confidence_interval、bayesian_analysis、test_multiple_variants、estimate_duration 等方法。命令行示例：python ab_test_calc.py --test 10000 500 10000 550；python ab_test_calc.py --sample-size --baseline 0.05 --mde 0.10 --power 0.8；python ab_test_calc.py --power-analysis --baseline 0.05 --mde 0.10 --samples 5000；python ab_test_calc.py --bayesian 10000 500 10000 550；python ab_test_calc.py --test-multi 10000 500 10000 550 10000 520。
适用场景：实验前估算所需样本量与运行天数，实验后判断提升是否显著、给出 p 值、提升幅度与置信区间，以及多方案对比选优。
限制：依赖 scipy>=1.10.0、numpy>=1.24.0、statsmodels>=0.14.0；资料未提供安装命令、界面、收费与平台信息，暂未提供。