56-报告级方法附录 Template v1.0 | 第9章 不确定度与统计检验

目录 ／ 文档-技术白皮书（V5.05） ／ 56-报告级方法附录 Template v1.0

第9章 不确定度与统计检验

I. 章节目标与范围（强制）

• 固定不确定度量化—区间估计—显著性检验—功效分析—多重性控制—效应量—折减口径的统一规则，使评测结论可比较、可回放、可审计。
• 与第5章（数据与实验设计）、第6章（数学与伪代码）、第7章（计量与校准）、第8章（评测协议）对齐。

II. 不确定度与区间估计（强制）

• 记号：点估计 mu_hat，标准差 sigma，标准误 se，置信区间 [lo, hi]。
• 默认区间：CI_95%；方法在 stats.method 指定（如 bootstrap、正态近似、t 分布、Clopper–Pearson）。
• 重抽样口径：Bootstrap B≥1000，百分位或 BCa；报告 seed 与随机源。

III. 显著性检验（强制）

• 单侧/双侧检验需在协议中声明；给出 H0/H1、检验统计量、p 值计算方法与前提（独立、方差同质等）。
• 常用检验：均值差（t/Welch）、比例差（Z/精确）、分布差（KS/MW-U）、方差（Levene/Bartlett）。
• 结论表达：报告 p 与效应量（见第V节），避免“仅p<0.05”的二元表述。

IV. 多重性与家族错误率（强制）

• 当一次实验包含 m 次并行检验，需声明控制策略：Bonferroni、Holm–Bonferroni、BH/FDR 等。
• 报告：校正前 p_raw 与校正后 p_adj；明确“家族”定义（同一协议/同一维度）。

V. 效应量与实际意义（强制）

• 连续量：Cohen’s d、Hedges’ g；比例：风险差/比、优势比（OR）；回归：β 与标准化系数。
• 必须同时报告统计显著性与效应量；当存在业务阈值时给出非劣/优检验区间。

VI. 功效分析与样本量（强制）

• 指标：功效 1-β、显著性水平 α、期望效应量 δ、方差估计或历史数据。
• 预实验或历史方差用于样本量估计；若滚动实验，需给出中期分析规则与停表准则。

VII. 折减口径与评分集成（强制）

• 统一折减：
  [
  s' = \mathrm{clamp}\bigl(s - k\cdot\sigma,\ 0,\ 1\bigr),\quad k=1
  ]
• 使用场景：维度评分与对比（见第5章、第6章）；报告 k 与 sigma 估计方法（样本/自助/稳健）。

VIII. 到达时口径与量纲一致性（强制）

1. 若涉及到达时判据，统一：
   • 常量外提：T_arr = ( 1 / c_ref ) * ( ∫ n_eff d ell )
   • 一般口径：T_arr = ( ∫ ( n_eff / c_ref ) d ell )
2. 同段显式声明路径 gamma(ell) 与测度 d ell；check_dim=true，并给出 T_arr 区间估计与误差传递来源（n_eff、c_ref、数值积分）。

IX. 报告与可回放要求（强制）

• 必含：估计方法、样本量、假设、区间、p 值/效应量、校正策略、随机种子、脚本定位（script@commit）、工件哈希。
• 结果呈现：数值 + 区间 + 解释语句；为关键门禁指标提供“通过/不通过”的可机读断言。

X. 人读 × 机读映射（强制）

XI. 字段与约束清单（可直接拷贝）

XII. 机读 Schema（YAML；JSON 等价，强制）

stats:

method: "bootstrap"

ci: "95%"

bootstrap: { B: 2000, seed: 20250927 }

tests:

- name: "welch"

H0: "mean_A - mean_B = 0"

H1: "mean_A - mean_B ≠ 0"

side: "two"

stat: 3.41

p: 0.0008

p_adj: 0.0016

multiplicity:

family: "primary_endpoints"

method: "holm"

effects:

- { type: "d", value: 0.62, ci: [0.35, 0.88] }

- { type: "OR", value: 1.45, ci: [1.18, 1.78] }

discount:

k_sigma: 1.0

formula: "s' = clamp(s - k*sigma, 0, 1)"

arrival_time:

caliber:

forms:

- { name: "general", expr: "( ∫ ( n_eff / c_ref ) d ell )" }

- { name: "factored", expr: "( 1 / c_ref ) * ( ∫ n_eff d ell )" }

path: "gamma(ell)"

measure: "d ell"

check_dim: true

XIII. 最小样稿（人读摘要 × 机读片段，强制）

• 人读摘要：采用 bootstrap B=2000、CI_95%；Welch 检验 p=8e-4，Holm 校正后 p_adj=1.6e-3；效应量 d=0.62 [0.35,0.88]；评分折减 k=1。若涉及 T_arr，使用一般口径并声明 gamma(ell)、d ell；check_dim=true。
• 机读片段：

stats: { method: "bootstrap", ci: "95%", bootstrap: { B: 2000, seed: 20250927 } }

tests: [{ name: "welch", side: "two", stat: 3.41, p: 0.0008, p_adj: 0.0016 }]

effects: [{ type: "d", value: 0.62, ci: [0.35, 0.88] }]

discount: { k_sigma: 1.0, formula: "s' = clamp(s - k*sigma, 0, 1)" }

XIV. 校验规则（正则/一致性，强制）

• 置信度：stats.ci ∈ {"90%","95%","99%"}；Bootstrap：B≥1000。
• p 值：0 ≤ p ≤ 1；若存在 multiplicity.method，则必须给出 p_adj。
• 到达时：出现 T_arr 必含 arrival_time.caliber.path/measure 与 math.check_dim=true。
• 折减：必须同时给出 k_sigma 与 formula；s' 仅用于评分集成，不替代统计检验结论。

XV. 引用与交叉引用体例（强制）