Statistics

clinical-research giúp các nhóm thiết kế nghiên cứu lâm sàng tiến cứu trước khi nộp hồ sơ, với phân loại endpoint, ước tính sample size và power cho thiết kế hai nhánh, cùng chấm điểm khả thi theo phase-gate. Skill này bao gồm công cụ Python, tài liệu tham khảo và mẫu protocol synopsis, đồng thời giữ đầu ra ở mức ước tính để clinician, biostatistician và bộ phận regulatory xem xét.

experiment-designer giúp các nhóm Product Management thiết kế thử nghiệm A/B và thử nghiệm tính năng với giả thuyết có thể kiểm chứng, hệ chỉ số, lập kế hoạch cỡ mẫu, ưu tiên theo ICE, quy tắc dừng và diễn giải kết quả.

ab-test-setup là skill experimentation cho marketing, dùng để lập kế hoạch A/B test có nền tảng thống kê vững chắc. Bạn có thể dùng skill này để xác định giả thuyết, biến thể, chỉ số chính và guardrail metrics, giả định về sample size, thời lượng chạy thử nghiệm, quy tắc ra quyết định và QA trước khi launch cho các thử nghiệm tối ưu chuyển đổi.

senior-data-scientist là một Claude skill dành cho thiết kế A/B test, suy luận nhân quả, feature engineering và đánh giá tabular ML. Dùng skill này để định hướng tính cỡ mẫu, chọn metric, kiểm tra leakage, rà soát SHAP và theo dõi kiểu MLflow; các script chỉ là mẫu scaffold, không phải engine hoàn chỉnh.

Thực hiện cohort-analysis cho các chỉ số giữ chân người dùng, suy giảm mức độ tương tác và mức độ chấp nhận tính năng theo từng cohort. Skill cohort-analysis này được thiết kế cho các quy trình Data Analysis cần xác thực dữ liệu, tính toán, trực quan hóa và rút ra insight rõ ràng từ dữ liệu hành vi người dùng có cấu trúc.

ab-test-analysis giúp bạn đánh giá kết quả A/B test với độ chặt chẽ thống kê, bao gồm kiểm tra cỡ mẫu, khoảng tin cậy, kiểm định ý nghĩa thống kê và khuyến nghị nên triển khai, kéo dài hay dừng. Dùng cho rà soát thí nghiệm, diễn giải split test và ra quyết định trong quy trình Data Analysis.

Kỹ năng statsmodels giúp bạn dùng statsmodels để phân tích dữ liệu trong Python khi cần mô hình thống kê, suy luận và chẩn đoán. Kỹ năng này phù hợp với OLS, GLM, biến cố rời rạc, chuỗi thời gian và mô hình hỗn hợp, kèm bảng hệ số, p-value, khoảng tin cậy và kiểm tra giả định. Hãy dùng hướng dẫn statsmodels này cho kinh tế lượng, dự báo và báo cáo có cơ sở.

Kỹ năng statistical-analysis giúp bạn chọn, chạy và trình bày các kiểm định có cơ sở cho Data Analysis, bao gồm giả định, kích thước hiệu ứng, power và kết quả theo chuẩn APA. Hãy dùng nó cho nghiên cứu học thuật, thí nghiệm và các nghiên cứu quan sát khi việc chọn kiểm định và báo cáo rõ ràng quan trọng hơn việc viết mã cho một mô hình cụ thể.

Skill scikit-survival cho phân tích sống sót và mô hình hóa thời gian đến sự kiện bằng Python. Dùng hướng dẫn này cho dữ liệu kiểm duyệt, mô hình Cox, random survival forests, gradient boosting, Survival SVM và các thước đo như concordance index, Brier score.

scientific-critical-thinking giúp đánh giá các tuyên bố khoa học, thiết kế nghiên cứu, sai lệch, yếu tố gây nhiễu và chất lượng bằng chứng. Hãy dùng nó cho phân tích phản biện, hỗ trợ rà soát tài liệu, kiểm tra GRADE hoặc Cochrane risk-of-bias, và scientific-critical-thinking trong kiểu đánh giá Peer Review về việc một bài báo thực sự có thể chứng minh đến đâu.

PyMC là một skill mô hình hóa Bayes để xây dựng, fit, kiểm tra và so sánh các mô hình xác suất trong Python. Dùng pymc cho hồi quy phân cấp, phân tích đa mức, chuỗi thời gian, dữ liệu thiếu, sai số đo lường và so sánh mô hình với LOO hoặc WAIC.

Kỹ năng peer-review giúp bạn viết các bản phản biện chính thức, dựa trên bằng chứng cho bản thảo khoa học và hồ sơ xin tài trợ. Dùng nó để đánh giá phương pháp, thống kê, khả năng tái lập, đạo đức và các chuẩn báo cáo như CONSORT, STROBE hoặc PRISMA, kèm phản hồi mang tính xây dựng để tác giả và biên tập viên có thể hành động.

Kỹ năng exploratory-data-analysis biến các tệp khoa học thành báo cáo EDA có nhận biết định dạng. Kỹ năng này phát hiện loại tệp, tóm tắt cấu trúc và chất lượng, trích xuất siêu dữ liệu quan trọng và gợi ý hướng phân tích tiếp theo. Dùng kỹ năng exploratory-data-analysis cho Data Analysis trong các lĩnh vực hóa học, tin sinh học, hiển vi, quang phổ, proteomics, metabolomics và các định dạng tệp khoa học khác.