用途：根据数据源与研究假设，生成严谨的统计分析代码，并通过四轮审查保证质量。输入为数据源（CSV、JSON、pickle 或实验日志）与研究目标或待检验假设。
主要能力：提供统计汇总与比较脚本，可检测数据类型、推荐检验方法、执行组间比较，输出效应量与显著性星号，需 numpy、scipy；另有 p 值格式化脚本，支持星号、LaTeX 或纯文本格式，仅用标准库。
用法：统计汇总示例 python ~/.claude/skills/data-analysis/scripts/stat_summary.py --input results.csv --compare method --metric accuracy --output summary.json，或加 --describe；p 值格式化示例 python ~/.claude/skills/data-analysis/scripts/format_pvalue.py --values "0.001 0.05 0.23" --format stars，或 --csv results.csv --column pvalue --format latex。
工作流：第一步按 IMPORT、LOAD DATA、DATASET PREPARATIONS、DESCRIPTIVE STATISTICS、PREPROCESSING、ANALYSIS、SAVE ADDITIONAL RESULTS 等段落组织代码；第二步进行四轮审查，分别检查代码缺陷、数据处理、逐表与跨表一致性；第三步产出结果，每个名义值须带不确定性（CI、STD 或 p 值），检验须匹配数据类型，结果须与真实数据一致，不得臆造。
检验选择：两组正态用独立 t 检验，两组非正态用 Mann-Whitney U，配对样本用配对 t 检验或 Wilcoxon，多组用 ANOVA 或 Kruskal-Wallis，分类用卡方或 Fisher 精确检验，相关性用 Pearson 或 Spearman，回归用 OLS、Logistic 或混合效应。允许包为 pandas、numpy、scipy、statsmodels、sklearn、pickle。规则要求始终报告 p 值、考虑混杂变量、使用包内置功能而非手写统计函数、用字符串列名访问数据框。
适用场景：需要规范统计分析与可复现报告的科研或实验数据处理。限制：具体安装与运行环境、收费情况、平台支持等资料暂未提供。