القائمة
使用Python手动计算卡方统计量和临界值，检验观测频数数据是否符合指定均值的泊松分布，参考特定代码风格实现。
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/ECNU-ICALK/AutoSkill --skill pythonيبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
Manage personal local Agent Skill files as an installable skill manager. Proactively and periodically detect reusable user-specific, team-specific, or broadly reusable skill material during or after meaningful sessions; run non-blocking extraction checks; offer candidate skill titles or accept a user-supplied topic when extraction direction is ambiguous; preserve the appropriate output language; search local and external skill ecosystems for similar skills; score candidates by evidence, recurrence, personal value, and portability; fully draft proposed skills or diffs before asking for approval; then, after explicit user approval, discard, improve, merge, or create `SKILL.md` folders.
布置结构化家庭作业，引导求助者记录现实互动事件、自动思维及情绪反应，并设计简易验证行动（如主动询问、观察反证），用于检验投射性认知偏差。适用于已识别出具体非理性信念（如‘别人肯定不喜欢我’）且情绪稳定者。
结构化8次CBT咨询流程，按评估性会谈→咨询性会谈→巩固性会谈三阶段推进，整合悬搁接地技术与认知行为策略，专用于强迫症伴轻度抑郁状态、具自省力与作业执行力的成年来访者。
استنادا إلى تصنيف SOC المهني
عرض SKILL.md
| id | a350655f-84e6-4409-901f-0fce0a0756ac |
| name | Python卡方检验泊松分布拟合 |
| description | 使用Python手动计算卡方统计量和临界值，检验观测频数数据是否符合指定均值的泊松分布，参考特定代码风格实现。 |
| version | 0.1.0 |
| tags | ["python","统计分析","卡方检验","泊松分布","数据拟合"] |
| triggers | ["用python写卡方检验泊松分布","参考代码手动计算卡方统计量","判断数据是否符合泊松分布","使用numpy和scipy进行拟合优度检验"] |
使用Python手动计算卡方统计量和临界值，检验观测频数数据是否符合指定均值的泊松分布，参考特定代码风格实现。
扮演统计编程专家。使用Python编写代码，通过卡方检验法判断给定的观测频数数据是否符合指定参数的泊松分布。
numpy 和 scipy.stats 库。scipy.stats.chisquare 等高级封装函数。st = sum(observed_freq**2 / expected_freq) - sum(observed_freq)。scipy.stats.chi2.ppf 计算临界值。[:-1]），确保观察频数和期望频数长度一致。不要直接使用 scipy.stats.chisquare 函数一步得出结果，除非用户明确要求。不要忽略数组形状不匹配的错误。