Data Analysis
对 2×2 与 R×C 列联表做逐步假设检验讲解：Pearson 卡方、Yates 连续性修正、G 检验（似然比）、小期望频数时的 Fisher 精确检验、效应量（Cramér's V / phi / 列联系数）、Haberman 调整残差的单元格级贡献定位、多重比较 BH-FDR 提示，以及可选的 Chapman 标记重捕总体估计。
用三种语言从你的代码中调用此工具。
curl -X POST 'http://127.0.0.1:3003/zh/api/tools/contingency-table-chi-square-fisher-exact-cramer-v-tutor' \
-H 'Content-Type: application/json' \
-d '{"table":"30, 20\n20, 30","yates":"auto","alpha":0.05,"chapman":false}'以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。
POST http://127.0.0.1:3003/zh/api/tools/contingency-table-chi-square-fisher-exact-cramer-v-tutor| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| table | textarea | 是 | — |
| yates | select | 否 | — |
| alpha | number | 否 | — |
| chapman | checkbox | 否 | For 2×2 mark-recapture data: N̂ = (a+1)(b+1)/(c+1) − 1. |
HTML 结果
{
"result": "<div>Processed HTML content</div>",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}将此工具加入你的 Model Context Protocol 服务，让 AI 智能体可以列出并调用它。
将以下内容加入你的 MCP 客户端配置：
{
"mcpServers": {
"elysiatools-contingency-table-chi-square-fisher-exact-cramer-v-tutor": {
"name": "contingency-table-chi-square-fisher-exact-cramer-v-tutor",
"description": "对 2×2 与 R×C 列联表做逐步假设检验讲解：Pearson 卡方、Yates 连续性修正、G 检验（似然比）、小期望频数时的 Fisher 精确检验、效应量（Cramér's V / phi / 列联系数）、Haberman 调整残差的单元格级贡献定位、多重比较 BH-FDR 提示，以及可选的 Chapman 标记重捕总体估计。",
"baseUrl": "http://127.0.0.1:3003/mcp/sse?toolId=contingency-table-chi-square-fisher-exact-cramer-v-tutor",
"command": "",
"args": [],
"env": {},
"isActive": true,
"type": "sse"
}
}
}连接到 SSE 端点后，列出已开放的工具：
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/list"
}通过工具 id 调用，参数由其参数表构建：
{
"jsonrpc": "2.0",
"id": 2,
"method": "tools/call",
"params": {
"name": "contingency-table-chi-square-fisher-exact-cramer-v-tutor",
"arguments": {
"table": "30, 20\n20, 30",
"yates": "auto",
"alpha": 0.05,
"chapman": false
}
}
}有问题或反馈？请联系 [email protected]