统计推理任务的特点是，同一个问题换一种条件表述，答案可能完全不同。例如，计算次品抽检概率时，是否放回、批次大小、历史次品率是否已知都会影响模型输出。假设检验更复杂，原假设方向、显著性水平、样本方差是否已知、单尾还是双尾，任何一个条件缺失都可能让大模型给出看似合理却无法复核的结论。把这类任务整理成固定字段的Prompt模板，能够显著降低模型自由发挥带来的误差。
一、概率计算Prompt模板：把模糊问题变成可计算任务
概率计算类提示词需要先锁定随机试验的结构。推荐在模板中明确五个部分：试验描述、随机变量定义、已知概率或分布参数、求解目标、输出格式。比如不要把问题写成“某产品不合格率是0.1，抽10个至少1个不合格的概率是多少”，而应补充“每次抽取相互独立，不合格率保持0.1不变”。这种限定让模型知道可以使用二项分布。
模板中的已知概率最好用符号表示，例如写成P(A)=0.3、P(B|A)=0.8，不要只用自然语言描述。这样模型会更倾向于先识别事件关系，再进行公式推导。
角色：你是一名统计计算助手，只根据给定条件计算，不额外补充假设。 任务：计算条件概率。 已知条件： P(A)=0.3 P(B|A)=0.8 P(B|非A)=0.2 求解：P(A|B) 计算要求： 1. 先写出贝叶斯公式。 2. 再计算P(B)。 3. 代入数值并保留四位小数。 4. 最后用一句话解释结果含义。
上述模板把公式路径也规定出来，能防止模型直接给出一个黑箱数字。对于二项分布、正态分布等常见模型，还可以增加参数字段。例如二项分布模板可写为：试验次数n=10，单次成功概率p=0.15，求解P(X>=k)或P(X=k)。如果用户写“至少一个”，模板应转换为1-P(X=0)，避免模型在语言理解阶段出错。
另一个容易忽略的是连续分布的概率计算。正态分布下，概率不是某个点的概率，而是区间面积。因此Prompt中应明确“求P(X<=60)”或“求P(55<=X<=65)”，并给出均值、标准差。若只问“X等于60的概率”，模型可能给出密度值或错误答案。通过模板固定区间表达，可以避免这类歧义。
二、假设检验Prompt模板：把统计判断流程固定下来
假设检验类提示词比概率计算更容易出错，因为结论依赖显著性水平、检验方向和p值解释。一个完整模板至少要包含：原假设H0、备择假设H1、显著性水平alpha、样本统计量、样本量、检验类型、输出结构。如果缺少显著性水平，模型可能默认0.05，但用户事后无法判断。
例如，需要判断某生产线产品均值是否偏离目标值100克。不要只写“帮我检验均值是否为100”，而应把样本均值、样本标准差、样本量、检验方向都列出来。下面是单样本双尾检验模板。
任务：单样本均值检验 数据： 样本均值 = 105 样本标准差 = 15 样本量 = 36 原假设 H0：总体均值 = 100 备择假设 H1：总体均值 ≠ 100 显著性水平 alpha = 0.05 检验类型：双尾 z 检验 输出要求： 1. 列明检验统计量计算公式。 2. 计算标准误和 z 值。 3. 给出 p 值。 4. 判断是否拒绝 H0。 5. 用一句话说明结论。 注意：不得将 p 值解释为 H0 为真的概率。
这里特意加入最后一条约束，是为了纠正大模型常见的统计语言错误。p值的正确含义是：在原假设为真的条件下，观察到当前统计量或更极端统计量的概率。很多通用回答会把p值说成“原假设成立的概率”，这样会误导决策。通过在Prompt中直接禁止错误解释，能显著提升结论可信度。
单尾检验还需要明确方向。比如只关心均值是否显著高于100，应写H1：总体均值 > 100，而不是模糊写“高于或低于”。检验方向不同，p值计算方式不同。对于t检验、卡方检验、方差分析等，同样应指定检验类型和前提条件，例如总体是否近似正态、方差是否齐性。
from scipy import stats
import math
sample_mean = 105
pop_mean = 100
sample_std = 15
n = 36
se = sample_std / math.sqrt(n)
z = (sample_mean - pop_mean) / se
p_two_tailed = 2 * (1 - stats.norm.cdf(abs(z)))
print("z =", round(z, 4))
print("p =", round(p_two_tailed, 4))
如果模型能同时给出计算过程与Python代码，就更容易复核。因此Prompt模板中可以要求“先给公式，再给代码，最后给结论”。这种顺序不仅便于发现问题，也能让使用者理解每一个数字的来源。
三、组合模板：从概率计算到假设检验的完整链路
实际业务中，概率计算和假设检验经常一起出现。例如A/B测试中，先要计算两个版本的转化率，再判断差异是否显著。此时可以设计一个组合Prompt，把数据、概率模型、检验模型一次描述清楚。模板可包含：试验组与对照组的样本量和转化次数、转化率计算方式、差异检验方法、显著性水平、输出内容。
任务：A/B 测试转化率差异检验 数据： 对照组：样本量 2000，转化数 120 试验组：样本量 2000，转化数 150 已知条件：样本相互独立，每次转化服从二项分布 计算要求： 1. 分别计算两组转化率。 2. 计算转化率差值和合并标准误。 3. 采用双尾 z 检验，alpha = 0.05。 4. 给出 z 值和 p 值。 5. 判断差异是否显著，并说明是否建议上线试验组。
这个模板的价值在于把业务问题拆成了统计语言，减少了模型自己决定检验方法的概率。如果用户只写“帮我分析A/B测试结果”，模型可能选择卡方检验、t检验或贝叶斯方法，不同方法结论可能不同。固定方法后，结果才具有可比性。
为了进一步防止错误，可以设置校验轮。比如第一轮让模型按模板计算，第二轮把原回答粘贴进去，要求它假设自己是审核者，检查每一步的公式、数值代入和结论。也可以要求模型用另一种方法交叉验证，例如频率派z检验与贝叶斯后验概率对比。这样能发现符号错误或p值方向错误。
四、实战模板库：质量检测、医学筛查与置信区间
概率统计任务类型很多，但都可以归纳成几个固定模板。质量检测场景通常使用二项分布或超几何分布，医学筛查场景使用贝叶斯更新，样本估计场景使用置信区间。下面给出一个贝叶斯筛查模板，用于计算阳性结果下患病的后验概率。
任务：疾病筛查后验概率 已知条件： 人群患病率 P(患病)=0.01 检测灵敏度 P(阳性|患病)=0.95 检测特异度 P(阴性|未患病)=0.90 求解：P(患病|阳性) 要求： 1. 先写出贝叶斯公式。 2. 计算阳性总概率。 3. 给出后验概率，保留四位小数。 4. 解释为什么患病率低时阳性预测值可能不高。
这类模板强调了先验概率的重要性。很多人在解读检测结果时只关注灵敏度和特异度，忽略了人群患病率。通过固定模板中的条件，模型会被引导去计算全概率，而不是给出直觉判断。
置信区间类Prompt也应结构化。需要指定置信水平、样本均值、标准差、样本量、是否已知总体标准差。若用户只问“数据波动范围”，模型可能返回预测区间而不是置信区间。模板中可以写明：求总体均值的95%置信区间，使用t分布，公式为样本均值 ± t临界值 × 标准误。
在这些模板中，参数与输出格式固定后，还能把Prompt做成变量化模板，例如将n、alpha、样本均值替换为具体数值，方便在不同项目中复用。建议同时保留一个“约束区”，专门列出常见错误，例如“不要将相关关系解释为因果”“不要忽略样本量影响”“不要输出未经检验的置信区间”。
总体来看，概率统计推理Prompt的核心不是让模型“更聪明”，而是通过固定条件、公式路径和输出结构，把统计推断变成可复核的流程。无论是概率计算还是假设检验，只要在模板中明确已知信息、求解目标和禁止事项，就能让大模型从随机发挥转向稳定输出。
