这个技能用于使用PyMC进行贝叶斯建模，包括构建层次模型、MCMC采样（NUTS）、变分推断、模型比较（如LOO和WAIC）、后验检查等，适用于概率编程和统计推断。关键词：贝叶斯建模, PyMC, 概率编程, MCMC, 变分推断, 模型比较, 数据科学, 预测建模。

这个技能应用贝叶斯推理来系统更新概率估计，帮助在不确定性下进行预测、评估风险和测试假设，避免过度自信偏差。通过贝叶斯定理校准信念，提高决策质量，适用于概率更新、预测建模和不确定性管理。关键词：贝叶斯推理、校准、概率更新、预测、风险评估、假设测试、不确定性分析。

预测预死亡分析是一种用于压力测试预测的技术，通过假设预测已经失败并逆向工作来识别原因，从而揭示盲点、尾部风险和过度自信。适用于高置信度预测、识别未知风险或调整置信区间。关键词：预测预死亡、风险识别、压力测试、置信区间调整、预测建模、数据科学。

这个技能提供解决常微分方程和偏微分方程中边界值问题的策略和方法，包括问题分类、射击方法、有限差分法、配置法以及特征值问题求解。适用于数学建模、科学计算和工程分析等领域，关键词包括边界值问题、ODE、PDE、数值方法、射击法、有限差分、特征值问题。

MCMC收敛性诊断技能用于对马尔可夫链蒙特卡洛（MCMC）模拟结果进行统计验证与分析，确保贝叶斯推断的可靠性。核心功能包括计算Rhat指标、有效样本量（ESS）、生成轨迹图、分析自相关性、检测发散转移以及进行能量诊断（E-BFMI）。适用于量化金融、数据科学、科研学术等领域中需要进行复杂概率建模和不确定性量化的场景。关键词：MCMC诊断，贝叶斯推断，收敛性分析，Rhat，有效样本量，轨迹图，统计计算。

排队系统分析器是一个基于排队论的AI分析工具，用于对各类等待线系统进行数学建模和性能评估。它支持M/M/1、M/M/c、M/G/1等多种经典排队模型，能够计算系统利用率、平均等待时间、队列长度等关键性能指标，并应用于呼叫中心人员配置、服务能力规划、系统优化等场景。关键词：排队论，系统分析，性能评估，数学模型，服务优化，呼叫中心，容量规划，仿真建模。

pycse 是一个 Python 库，用于科学和工程计算，提供自动计算置信区间和预测边界的回归分析、模型拟合、ODE 求解和缓存功能。简化数据分析和预测建模流程，提高效率，关键词：Python, 科学计算, 回归分析, 置信区间, 预测建模, 模型拟合, ODE, 缓存。

构建用于分类预测和分类的二元和多类分类模型

Metaculus预测技能是一个连接社区预测平台的工具，主要用于查看和搜索各类事件的概率预测、锦标赛信息及社区共识。核心功能包括问题搜索、详情查询、锦标赛列表和预测数据获取，适用于对事件概率、市场预期和群体智慧分析感兴趣的用户。关键词：社区预测，概率预测，事件预测，群体智慧，预测平台，Metaculus，预测分析，锦标赛，预测校准。

时间序列分析技能用于分析时间序列数据，识别模式、趋势、季节性和异常，并使用统计和机器学习方法进行预测。适用于金融、经济、销售预测、库存管理等领域，关键词包括时间序列分析、预测建模、ARIMA、机器学习、异常检测。

这个技能提供系统化框架，通过分析2-3年的历史信号来预测未来1-2年的市场、技术或业务模型趋势。它结合采用曲线、周期模式和信号分析，评估市场进入时机（如进入/等待/避免），支持决策制定，包括趋势轨迹（上升/峰值/下降）、采用阶段识别等。关键词：趋势预测、市场分析、创业时机、数据驱动决策、采用曲线、市场进入、周期模式、信号分析。

对表格数据执行线性回归（OLS）或逻辑回归（Logit），一键输出完整统计结果和中文通俗解读，包括回归系数、R²、p值、VIF等。适用于数据分析、预测建模、因果推断等场景。关键词：回归分析，OLS，逻辑回归，线性回归，VIF，p值，R方，共线性诊断，模型拟合，量化分析。