shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

样本量与功效计算器（高级版）

针对复杂研究设计的高级样本量与功效计算,包括生存分析、聚类设计和多重比较。

personAuthor: aipoch-aihubclawhub
open_in_newRepositorydownloadDownload package

样本量与功效计算器（高级版）

针对复杂研究设计的高级样本量与功效计算,包括生存分析、聚类设计和多重比较。

使用场景

  • 当任务需要针对复杂研究设计（包括生存分析、聚类设计和多重比较）进行高级样本量与功效计算时,使用此技能。
  • 当学术写作任务需要明确的假设、清晰的范围界定以及可复现的输出格式时,使用此技能。
  • 当你需要一条针对缺失输入、执行错误或部分证据的文档化兜底路径时,使用此技能。

主要功能

  • 以此为核心的范围聚焦工作流：针对复杂研究设计（包括生存分析、聚类设计和多重比较）进行高级样本量与功效计算。
  • 打包的可执行路径：scripts/main.py。
  • references/ 中提供了针对具体任务的参考资料。
  • 结构化的执行路径,确保输出结果一致且可审阅。

依赖项

相关详情见上方“## 前提条件”。

  • Python：3.10+。当前打包技能的仓库基线版本。
  • numpy：未指定。已在 requirements.txt 中声明。
  • scipy：未指定。已在 requirements.txt 中声明。

使用示例

相关详情见上方“## 用法”。

cd "20260318/scientific-skills/Academic Writing/sample-size-power-calculator"
python -m py_compile scripts/main.py
python scripts/main.py --help

示例运行计划：

  1. 确认用户输入、输出路径以及所有必需的配置值。
  2. 如果脚本使用固定设置,编辑文件内的 CONFIG 代码块或文档化参数。
  3. 使用经过验证的输入运行 python scripts/main.py。
  4. 检查生成的输出结果,并返回最终产物,同时说明所有假设。

实现细节

相关详情见上方“## 工作流”。

  • 执行模型：验证请求,选择打包好的工作流,并产出边界清晰的交付物。
  • 输入控制：在运行任何脚本之前,确认源文件、范围限制、输出格式和验收标准。
  • 主要实现入口：scripts/main.py。
  • 参考指南：references/ 包含配套的规则、提示或检查清单。
  • 需先明确的参数：输入路径、输出路径、范围过滤条件、阈值以及任何领域特定的约束。
  • 输出规范：保持结果可复现,明确说明假设,避免未记录的副作用。

快速检查

使用此命令在深入执行前验证打包脚本入口是否可以正确解析。

python -m py_compile scripts/main.py

审计就绪命令

使用以下具体命令进行验证。这些命令已刻意做到自包含,不含占位路径。

python -m py_compile scripts/main.py
python scripts/main.py --help

工作流

  1. 在进行详细工作之前,先确认用户目标、所需输入以及不可协商的约束条件。
  2. 验证请求是否符合文档化的范围,如任务需要不受支持的假设,应提早停止。
  3. 仅使用实际可用的输入,通过打包脚本路径或文档化的推理路径完成任务。
  4. 返回结构化结果,将假设、交付物、风险和未解决事项分开呈现。
  5. 如果执行失败或输入不完整,切换到兜底路径,并明确说明是什么阻碍了完全完成任务。

用法

python scripts/main.py --test ttest --effect 0.5 --alpha 0.05 --power 0.8
python scripts/main.py --test survival --hazard-ratio 0.7 --alpha 0.05

检验类型

  • t 检验（配对/独立）
  • 卡方检验
  • Log-rank 检验（生存分析）
  • ANOVA
  • 回归分析
  • 聚类设计
  • 非劣效性试验

参数

| 参数 | 类型 | 是否必需 | 说明 | |-----------|------|----------|-------------| | --test | string | 是 | 统计检验类型（ttest、chi2、survival、anova、regression） | | --effect | float | 是 | 效应量（Cohen's d、风险比等） | | --alpha | float | 否 | 显著性水平（默认：0.05） | | --power | float | 否 | 期望功效（默认：0.8） | | --allocation | string | 否 | 分组分配比例（默认：1:1） |

输出

  • 所需样本量
  • 功效曲线数据
  • 敏感性分析
  • 脱落率调整后的 N

风险评估

| 风险指标 | 评估 | 级别 | |----------------|------------|-------| | 代码执行 | 使用工具的 Python 脚本 | 高 | | 网络访问 | 外部 API 调用 | 高 | | 文件系统访问 | 数据读写 | 中 | | 指令篡改 | 标准提示词准则 | 低 | | 数据暴露 | 数据处理安全 | 中 |

安全检查清单

  • [ ] 无硬编码凭证或 API 密钥
  • [ ] 无未经授权的文件系统访问（../）
  • [ ] 输出不暴露敏感信息
  • [ ] 已配备提示注入防护措施
  • [ ] API 请求仅使用 HTTPS
  • [ ] 输入已根据允许的模式进行验证
  • [ ] 已实现 API 超时和重试机制
  • [ ] 输出目录限制在工作区内
  • [ ] 脚本在沙箱环境中执行
  • [ ] 错误信息已做净化处理（不暴露内部路径）
  • [ ] 已对依赖项进行审计
  • [ ] 不暴露内部服务架构

前提条件


# Python 依赖项
pip install -r requirements.txt

评估标准

成功指标

  • [ ] 成功执行主要功能
  • [ ] 输出符合质量标准
  • [ ] 能够妥善处理边缘情况
  • [ ] 性能可接受

测试用例

  1. 基本功能：标准输入 → 预期输出
  2. 边缘情况：无效输入 → 妥善的错误处理
  3. 性能：大数据集 → 可接受的处理时间

生命周期状态

  • 当前阶段：草稿
  • 下次审核日期：2026-03-06
  • 已知问题：无
  • 计划改进项：
    • 性能优化
    • 增加更多功能支持

输出要求

在相关的情况下,每份最终回复都应明确以下事项：

  • 目标或所需交付物
  • 使用的输入及引入的假设
  • 工作流程或决策路径
  • 核心结果、建议或产物
  • 约束、风险、注意事项或验证需求
  • 未解决事项及下一步检查

错误处理

  • 如果必需输入缺失,说明具体缺失哪些字段,并只请求补充所需的最少信息。
  • 如果任务超出文档化范围,应停止,而不是猜测或悄悄扩大任务范围。
  • 如果 scripts/main.py 执行失败,报告失败点,总结哪些部分仍可安全完成,并提供人工兜底方案。
  • 不得伪造文件、引用、数据、搜索结果或执行结果。

输入验证

此技能接受符合 sample-size-power-calculator 文档化用途的请求,且请求需包含足够的上下文以安全完成工作流。

当请求超出范围、缺少关键输入,或需要不受支持的假设时,不要继续执行工作流。应回复：

sample-size-power-calculator 仅处理其文档化的工作流。请提供缺失的必需输入,或改用更合适的技能。

参考资料

回复模板

对于非简单请求,使用以下固定结构：

  1. 目标
  2. 收到的输入
  3. 假设
  4. 工作流程
  5. 交付物
  6. 风险与限制
  7. 下一步检查

如果请求较为简单,可以压缩此结构,但仍需在影响正确性时明确说明假设和限制。