Data Analysis
综合数据分布分析,包含正态性检验、异常值检测和拟合优度评估
用三种语言从你的代码中调用此工具。
curl -X POST 'https://api.elysiatools.com/zh/api/tools/distribution-analyzer' \
-H 'Content-Type: application/json' \
-d '{"dataInput":"输入您的数据值,用逗号或换行分隔...\n\n示例:\n- 正态分布:50, 51, 49, 52, 48, 50, 51, 49, 50, 52\n- 偏态分布:45, 48, 50, 52, 55, 58, 60, 65, 70, 80\n- 双峰分布:20, 25, 30, 35, 40, 60, 65, 70, 75, 80","dataFormat":"single","significanceLevel":"0.05","includeHistogram":true,"testNormality":true,"detectOutliers":true}'以 JSON 形式 POST 提交输入参数。文件类型参数需先单独上传。
POST https://api.elysiatools.com/zh/api/tools/distribution-analyzer| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| dataInput | textarea | 是 | — |
| dataFormat | select | 是 | — |
| significanceLevel | select | 是 | — |
| includeHistogram | checkbox | 否 | 生成频率分布和百分位数信息 |
| testNormality | checkbox | 否 | 执行Anderson-Darling、Shapiro-Wilk和Jarque-Bera检验 |
| detectOutliers |
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-distribution-analyzer": {
"name": "distribution-analyzer",
"description": "综合数据分布分析,包含正态性检验、异常值检测和拟合优度评估",
"baseUrl": "https://api.elysiatools.com/mcp/sse?toolId=distribution-analyzer",
"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": "distribution-analyzer",
"arguments": {
"dataInput": "输入您的数据值,用逗号或换行分隔...\n\n示例:\n- 正态分布:50, 51, 49, 52, 48, 50, 51, 49, 50, 52\n- 偏态分布:45, 48, 50, 52, 55, 58, 60, 65, 70, 80\n- 双峰分布:20, 25, 30, 35, 40, 60, 65, 70, 75, 80",
"dataFormat": "single",
"significanceLevel": "0.05",
"includeHistogram": true,
"testNormality": true,
"detectOutliers": true
}
}
}有问题或反馈?请联系 [email protected]
| checkbox |
| 否 |
| 使用多种方法识别异常值(IQR、Z分数和稳健统计) |
文本结果
{
"result": "Processed text content",
"error": "Error message (optional)",
"message": "Notification message (optional)",
"metadata": {
"key": "value"
}
}