statistical-analysisZweck, Verwendung und Quelle

Was diese Fähigkeit bewirkt

Statistische Methoden wie deskriptive Statistik, Trendanalyse, Ausreißererkennung und Hypothesentests anwenden. Diese Methoden nutzen, um Verteilungen zu analysieren, Signifikanztests durchzuführen, Anomalien zu erkennen, Korrelationen zu berechnen oder statistische Ergebnisse zu interpretieren.

Wie der vorgelagerte Workflow funktioniert

p1:   Bottom 1% (floor / minimum typical value)
p5:   Low end of normal range
p25:  First quartile
p50:  Median (typical user)
p75:  Third quartile
p90:  Top 10% / power users
p95:  High end of normal range
p99:  Top 1% / extreme users

Anforderungen und Einrichtung

Aus dieser Datei wurde kein Abschnitt mit kurzen Anforderungen ausgewählt. Dies bedeutet nicht, dass die Fertigkeit keine Abhängigkeiten hat. Überprüfen Sie die Anweisungen zur Repository-Einrichtung und die referenzierten Dateien.

Grenzwerte und Qualitätskontrollen

Aus dieser Datei wurde kein separater Grenzwertabschnitt ausgewählt. Dies bedeutet nicht, dass die Anwendung für jede Eingabe oder Umgebung geeignet ist. Überprüfen Sie den vollständigen Quellcode und validieren Sie Ihr Ergebnis selbst.

Beginnen Sie mit einem sicheren Testlauf

1. Prüfen Sie den unterstützten Host und die Installationsanweisungen für das Repository. Halten Sie das Skill-Verzeichnis und die darin enthaltenen Skripte, Assets und Dokumentationen zusammen;SKILL.mdEine Einzelperson kann Abhängigkeiten außer Acht lassen.
2. Geben Sie dem Agenten Ihre tatsächlichen Eingaben, die gewünschten Ausgaben und die Akzeptanzkriterien an. Aufrufsyntax und verfügbare Tools hängen vom Hostsystem ab; diese Website geht nicht von einem universellen Installationsbefehl aus.
3. Testen Sie den Quellworkflow in einem temporären Projekt oder auf einer Kopie. Überprüfen Sie Vorgänge, die Dateien, Remote-Dienste oder abrechnungsfähige Ressourcen ändern, bevor Sie diese zulassen.
4. Überprüfen Sie die Ausgabe anhand der Quellqualitätsprüfungen und Ihrer eigenen Anforderungen. Ein erfolgreicher Trigger oder eine hohe Anzahl von Sternen im Repository garantiert kein korrektes Ergebnis.

Spezifikation des Kompetenzformats und des Verzeichnisses ↗

Lesen Sie mehr dazu in der Quelle.

• Kenntnisse in statistischer Analyse
• Zentrale Tendenz
• Streuung und Variabilität
• Perzentile für den Geschäftskontext
• Beschreibung von Verteilungen
• Trends identifizieren
• Saisonerkennung
• Prognose (Einfache Methoden)
• Statistische Methoden
• Umgang mit Ausreißern
• Anomalieerkennung in Zeitreihen
• Wann verwenden?
• Das Rahmenwerk
• Praktische Bedeutung vs. Statistische Signifikanz
• Überlegungen zur Stichprobengröße
• Korrelation ist nicht gleich Kausalität.
• Problem der Mehrfachvergleiche
• Simpsons Paradoxon
• Überlebensbias
• Ökologischer Fehlschluss
• Verankerung an bestimmten Zahlen

Verwandte Fähigkeiten

• ap-processoranthropics/knowledge-work-plugins
• audit-supportanthropics/knowledge-work-plugins
• build-connectoranthropics/knowledge-work-plugins
• build-zoom-botanthropics/knowledge-work-plugins

Übersetzung und Umfang

Dieser Leseleitfaden wählt Passagen aus dem markierten stromaufwärts gelegenen Abschnitt aus.SKILL.mdDie Übersetzung wurde unterstützt. Es handelt sich weder um ein vollständiges Handbuch noch um eine Garantie für geprüfte Kompatibilität. Lesen Sie vor der Verwendung das Original und die darin referenzierten Dateien.

Diese Einleitung bezieht sich auf die unten angepinnte Version; die aktuelle Repository-Aktivität und der Erfassungszeitpunkt werden separat angezeigt.

Angeheftete Quelle

Lesen Sie das Original ↗

Quelle abgerufen

2026-10-29T09:32:23Z

Source-Commit

2574e29377c7173d0cecffef29a6ecbd7f8ccb5d

Quelle SHA-256

91a15cfc144efffcd622b09827362a73993a3ff30e3a78114801832477c9f8a0