探索性数据分析（EDA）是一种系统性的数据检查过程，用于在正式建模前理解数据集的特性，识别数据中的模式，并评估数据质量。关键环节包括数据剖析、分布分析、关系发现、异常值检测和数据质量评估。

该技能用于通过统计假设检验，包括t检验、卡方检验、方差分析和p值分析，进行统计显著性、假设验证和A/B测试。

生存分析是一种统计方法，用于分析和预测事件发生前的时间，如临床试验中的患者生存时间、产品故障时间等。它能够处理截尾数据，即那些在研究结束时尚未发生事件的数据。关键词包括：生存时间、截尾、风险、生存曲线、风险比。

社交媒体营销活动分析器是一款专注于分析跨平台（如Facebook、Instagram、Twitter等）营销活动表现的工具。它能计算关键互动指标（如互动率、点击率）、进行投资回报率分析、提供受众洞察（如人口统计、活跃时段），并生成数据驱动的优化建议和可视化报告，帮助营销人员和机构做出更明智的决策。关键词：社交媒体分析，营销活动绩效，互动指标，投资回报率ROI，受众洞察，数据驱动营销，多平台分析。

该技能用于分析现实电视节目的叙事构造、角色发展和类型惯例，支持学术研究、内容分析和媒体制作。关键词包括：现实电视、叙事分析、角色弧线、编辑技术、学术研究、内容创作、SEO优化。

该技能用于审计系统回顾和元分析研究稿件，确保其符合PRISMA 2020报告标准，提升科研论文质量和可重复性。关键词：PRISMA、系统回顾、元分析、合规检查、科研审计、数据合成。

这个技能通过Rube MCP和Composio工具包实现Simple Analytics任务的自动化，包括工具发现、连接管理和工作流执行，提升数据分析效率和集成能力。关键词：Simple Analytics, 自动化, Rube MCP, Composio, 数据分析, 工具集成, 工作流自动化, 数据工程。

这个技能用于通过Rube MCP自动化Kaggle平台的各项任务，使用Composio的Kaggle工具包，实现数据科学和机器学习工作流的自动化，关键词包括：Kaggle自动化、数据科学、机器学习、MCP、Composio。

这个技能专注于在图形数论中应用模算术解决问题，包括扩展欧几里得算法、中国剩余定理、欧拉定理等关键技术，并利用工具如Sympy和Z3进行计算和证明。关键词：模运算，图数论，问题解决，算法，数学工具。

A/B测试分析是一种统计方法，用于比较两个变体并确定哪个表现更好，从而实现数据驱动的优化决策。

营销活动分析工具，用于通过多点归因模型、漏斗转化分析和ROI计算来优化营销活动效果，包含关键指标如ROI、ROAS、CPA等，支持A/B测试和渠道比较。

这个技能名为'/分析 - 批判性分析'，用于对任何内容、主张或论据进行严格的批判性分析，包括评估证据质量、逻辑有效性、偏见检测、方法论适当性和替代解释。适用于学术研究、数据分析、内容审核、论证评估等场景，帮助用户提升决策质量和批判性思维。关键词：批判性分析、证据评估、逻辑分析、偏见检测、方法论审查、SEO优化内容评估。