计算说明（本节列出脚本中用于计算与检验的公式与步骤，便于复现）： 1) 概率估计    - 观测计数 A_i 为某类别的观测次数，总试验次数为 N（或在两类比较中为 m = A + B）。    - 类别的估计概率： p_hat = A / N （若只比较两类，则条件概率 p_hat = A / m）。 2) Wilson 置信区间（用于单个类别概率的置信区间，双侧）    - 给定显著性水平 alpha（双侧），先计算 z = Phi^{-1}(1 - alpha/2)。    - 设 p_hat = A / N，      denom = 1 + z^2 / N      center = p_hat + z^2 / (2N)      rad = z * sqrt( p_hat*(1-p_hat)/N + z^2/(4N^2) )      下界 lower = (center - rad) / denom      上界 upper = (center + rad) / denom    - 区间被截断到 [0,1]。 3) 两类显著性比较（用于判断 A > B）    - 只看落在 A 或 B 的样本，令 m = A + B。    - 在原假设 H0: p_A = p_B（条件下 p = 0.5）下，A ~ Binomial(m, 0.5)。    - 使用精确二项检验（binomtest）做单侧检验：H1: p_A > 0.5（即 A 的条件概率大于 B）。    - 得到单侧 p_value（脚本中称为原始 p_value）。 4) 多重比较校正（组内 Bonferroni）    - 在同一组（例如门组或某方向子组）内做所有两两比较，若组内共有 T 个两两比较，      则每次检验的显著性阈值设为 alpha_per_test = overall_alpha / T（overall_alpha 默认为 0.05）。    - 仅当单侧 p_value <= alpha_per_test 时，记录显著结论 A>B（或 B>A）。 5) 差值与效应量（使用总样本 N 作为分母）    - 在两类比较中，差值定义为：        diff_total = (A/N) - (B/N)，其中 N 为总样本量。    - 这样差值直接反映在总样本中的概率差异，便于与“误差 ≤1%（按 N 分母）”规则对齐。    - 在结论页中，差值单元格按以下规则着色：        <1% → 灰色；1%~2% → 黄色；≥2% → 绿色。 6) 方向比较限制（脚本实现细节）    - 方向分为两组：直角组 = {Left, Up, Right, Down}；斜角组 = {Up-Left, Up-Right, Down-Right, Down-Left}。    - 仅在组内做两两比较，不跨组比较。 7) 概率统计表（概率统计页）    - 每个类别的概率由原始计数除以 Total 得到：Door_X = Door_X_count / Total；Dir_Y = Dir_Y_count / Total。 8) 均值/方差/标准差（均值偏差页）    - 组内均值（例如门组）: mean = mean(p_i)（忽略为 0 的项以避免 Total=0 的影响）。    - 以百分比形式计算偏差列： (p_i - mean) * 100。    - 方差（%^2）使用样本方差（ddof=0），标准差为方差的平方根（%）。 本页（结论-门）说明：  - 对每个实验，门组内共有 4 个类别，共 T = C(4,2) = 6 个两两比较。  - 使用 overall_alpha = 0.05，组内 Bonferroni 校正后 alpha_per_test = 0.05 / 6 ≈ 0.008333。  - 每条结论为单侧精确二项检验显著的比较，格式： 实验编号 | 结论 | p_value | A_count | B_count | 差值(pA-pB, N分母)。
实验编号	结论	p_value	A_count	B_count	差值(pA-pB, N分母)
4c	Left>Up	0	10043	4628	0.179251
4c	Left>Down	0.003620645	10043	9665	0.012513
4c	Right>Up	0	10041	4628	0.179185
4c	Down>Up	0	9665	4628	0.166738
4c	Right>Down	0.003776476	10041	9665	0.012447
4d	Left>Up	0	10043	4456	0.184945
4d	Right>Up	0	10018	4456	0.184117
4d	Down>Up	0	10029	4456	0.184481