用途：为数据科学、机器学习和统计分析提供数学基础，覆盖描述统计、概率分布、假设检验、线性代数与回归分析，示例基于 Python 生态（NumPy、SciPy、pandas、statsmodels、scikit-learn）。
主要能力：计算均值、中位数、标准差、四分位距等描述统计；使用正态、二项、泊松分布计算 PDF、CDF 与分位数，并演示中心极限定理；执行独立样本 t 检验、卡方检验、A/B 测试双比例 z 检验，并计算 Cohen's d 效应量；进行矩阵乘法、转置、逆、行列式、特征值分解、SVD、线性方程组求解和余弦相似度计算；用 statsmodels 做多元线性回归并读取 R²、系数、P 值，用 scikit-learn 对比 OLS、Ridge、Lasso。
使用方式：需安装对应 Python 库，按快速开始与各核心概念示例导入并调用。文档给出“Statistics & Mathematics”的代码片段与工具表（NumPy 1.26+、SciPy 1.12+、pandas 2.2+、statsmodels 0.14+、scikit-learn 1.4+）。
适用场景：数据分析、机器学习特征工程、A/B 实验评估、回归建模等。
限制：文档未提供安装命令、参数详解、完整 API 说明或官方定价信息；示例代码仅供演示，实际结果取决于数据与假设条件。