实验数据分析 + 论文级出图（过程你能讲明白）

理工科和社科同学的共同噩梦：实验做完了，数据处理和出图吃掉大半时间，统计软件还又贵又难学。这节课把这段交出去——但有一条底线定调全课：分析过程你必须能一步步讲明白，因为答辩台上站的是你，不是 AI。

01跟做：一段提示词

我有一组对照实验数据（对照组和实验组各一个 CSV）。帮我：
1. 先做描述性统计，把两组的基本面摆出来
2. 做组间差异的统计检验——先告诉我你选了什么检验方法、为什么选它
   （样本量、分布形态怎么影响选择），我确认再算
3. 画带误差棒的对比柱状图，导出论文能用的高清图片
4. 说明差异是否显著、显著到什么程度
5. 全程一步步解释，按「学过统计基础但不熟」的水平讲——
   我要能向导师解释每一步
6. 最后写一段对结果的客观描述：只描述数据现象，不要替我下结论。

两处设计划重点：「选什么检验、为什么」要你确认——方法选择是答辩必问题，你得懂；「不要替我下结论」——数据显示差异是它的活，「这说明了什么」是你的论文，也是你的名字担着的部分。

02答辩防身：让它当拷问官

分析做完别急着写进论文，先跑一轮：

现在你当答辩评委，针对刚才这套分析拷问我 5 个问题
（方法选择、样本量、误差来源、结论边界），
我答，你评我答得能不能过关。

这一轮跑完，「AI 帮我算的」就变成了「我做的分析，每一步我都守得住」——这是两个世界。

03纪律两条

• 原始数据别让它改：清洗、剔除异常值都要它「列清单说理由，我确认」——数据处理的每一刀都是学术诚信问题，答辩被问「剔了几个点、为什么」你必须答得上；
• 关键数字抽查：均值、p 值这类要进论文的数，换个问法让它重算一遍或自己用计算器抽一个——它会算错，且错得自信。

04检查点