用途：面向 A/B 实验的统计检验与实验规划，帮助判断变体相对对照是否显著，并在开测前估算所需样本量与时长。
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 alpha）；功效分析；转化率置信区间；多变量 A/B/n 测试并支持 Bonferroni 等多重比较校正；贝叶斯分析给出变体优于对照的概率与可信区间；按日访问量估算实验时长。
使用方式：既可作为 Python 类调用，也有 CLI。导入：from ab_test_calc import ABTestCalculator，实例化后调用 test_significance、calculate_sample_size、calculate_power、confidence_interval、bayesian_analysis、test_multiple_variants、estimate_duration 等方法。CLI 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。依赖：scipy>=1.10.0、numpy>=1.24.0、statsmodels>=0.14.0。
适用场景：实验前规划样本量与周期、实验后做显著性、置信区间和贝叶斯概率解读，以及多方案对比与择优。
限制：资料未提供安装命令、授权与收费信息；结果解释依赖输入参数与假设。