#moon-experiment

#项目定位

• 让实验设计、功效分析和样本量估计可以在 MoonBit 工具链内完成。
• 为比例、均值、计数、比率和分层指标提供可解释的统计结果。
• 将 SRM、缺失、异常、漂移和护栏检查放在正式分析之前。
• 通过确定性模拟、结构化报告和固定 checksum 支持可复现研发。

#核心能力

• 样本量、功效、分配比例和敏感性分析。
• Welch、合并方差、单样本、配对、卡方、置换和 bootstrap 检验。
• Wilson、Agresti–Coull、均值、比率、风险差和相对提升置信区间。
• Cohen's d、Hedges' g、风险比、NNT、log odds ratio 等效应量。
• Bonferroni、Holm、Hochberg、Benjamini–Hochberg 和 Benjamini–Yekutieli 校正。
• CUPED、线性回归、分层估计、Mantel–Haenszel 和序贯分析。
• SRM、缺失率、异常率、漂移、样本量和护栏策略检查。
• 数据集清洗、确定性分流、实验生命周期、监控告警和报告渲染。
• 因果推断、倾向得分、IPW/AIPW、双重差分和协变量平衡。
• 漏斗、会话、路径、留存 cohort、复购和收入分析。
• 滚动统计、季节性分解、预测区间、变点检测、控制图和回测。
• 隐私预算、拉普拉斯/高斯机制、随机响应、贡献裁剪和小样本抑制。
• 指标目录、分组聚合、质量管线、归因模型和渐进式放量决策。
• 实验分流、曝光一致性、SRM 监测、运行编排和审计轨迹。
• 二项/连续/计数模拟，以及可复核的原生 benchmark CLI。

#快速开始

#安装

moon add pla678889/moon-experiment@0.2.2

import {
  "pla678889/moon-experiment"
}

#第一个分析

let result = @metrics.proportion_test(120, 1000, 150, 1000)
let interval = @metrics.wilson_interval(120, 1000)
println(result.p_value.to_string())
println(interval.low().to_string())

#可运行的最小样例

moon run examples/quickstart --target native

#CLI

moon run cmd/benchmark --target native

#架构

#基准

#测试

moon check --deny-warn --target all
moon test --deny-warn --target all
moon coverage analyze -- -f summary

#CI

• moon version --all 和 moon update；
• moon check --deny-warn --target all；
• moon build --deny-warn --target all；
• moon test --deny-warn --target all；
• 运行 examples/quickstart 最小样例；
• moon fmt 与 moon info 生成物一致性检查；
• Ubuntu native coverage summary。

#许可证