用途：在本地环境中执行统计检验与假设分析，覆盖组间均值比较、相关性检验、p 值计算与多重检验校正，适合基因差异表达、聚类富集、批次效应检测等数据分析任务。
主要能力：
- 参数检验：独立样本 t 检验（含 Levene 方差齐性检验与 Welch 校正）、单因素 ANOVA；
- 相关分析：Pearson 与 Spearman 相关系数及强度解读；
- 非参数检验：Mann-Whitney U、Kruskal-Wallis H、卡方独立性检验、Fisher 精确检验；
- 多重检验校正：FDR（Benjamini-Hochberg）与 Bonferroni；
- 辅助统计：正态性检验（Shapiro-Wilk、D'Agostino-Pearson）、置信区间、Cohen's d 效应量。
使用方式：导入 numpy、pandas、scipy.stats、statsmodels 等库后调用对应函数，例如 ttest_ind、f_oneway、pearsonr、multipletests；结果可存入 DataFrame 并导出 CSV。技能在沙箱本地运行，需自行准备数据与标签。
适用场景：差异表达统计检验、细胞类型富集、批次效应评估，以及一般性的组间比较与相关分析。
限制：资料未提供内建数据、可视化界面或自动报告功能；参数检验前应检查正态性与方差齐性等前提，样本量不足时结果可靠性下降；多重检验场景建议施加校正。具体函数行为以 scipy 与 statsmodels 官方文档为准。