trend-analysis — скилл для Claude Code: что делает и как установить
Скилл trend-analysis помогает выявлять долгосрочные тренды во временных рядах параметрическими и непараметрическими методами.
MIT 8 установок ★ 1 933 обновлён 2026-10-24
npx skills add benchflow-ai/skillsbench --skill trend-analysis -a claude-codeЧто делает trend-analysis
Скилл даёт агенту готовые инструкции по статистическому анализу временных рядов. Он объясняет, когда применять обычную линейную регрессию через scipy.stats.linregress, а когда переходить к критерию Манна — Кендалла и наклону Сена через библиотеку pymannkendall.
Внутри описаны допущения каждого метода, интерпретация p-value и правила выбора алгоритма: наклон Сена устойчив к выбросам и не требует нормального распределения, поэтому руководство советует предпочесть его для климатических данных. Линейная регрессия быстрее даёт R², но ломается на аномалиях.
Для корректного расчёта требуется минимум 8–10 точек данных во временном ряду, иначе p-value вернёт NaN. В коде используются сторонние библиотеки scipy, pandas и pymannkendall, которые должны стоять в окружении Python.
Какие задачи решает
- Проверить статистическую значимость изменений во временном ряду
- Рассчитать наклон Сена и p-value тестом Манна — Кендалла
- Оценить тренд климатических показателей при наличии выбросов
- Выбрать между линейной регрессией и непараметрическим тестом
Примеры запросов агенту
- Проверь тренд осадков в precipitation.csv через критерий Манна — Кендалла
- Рассчитай линейную регрессию для годовых значений и покажи p-value
- Оцени значимость изменения температуры по методу Сена
Как установить trend-analysis
1Через Skills CLI (Vercel)
npx skills add benchflow-ai/skillsbench --skill trend-analysis -a claude-code2Вручную: положить файлы
~/.claude/skills/trend-analysis/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/trend-analysis/
1Через Skills CLI (Vercel)
npx skills add benchflow-ai/skillsbench --skill trend-analysis -a codex2Вручную: положить файлы
.agents/skills/trend-analysis/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add benchflow-ai/skillsbench --skill trend-analysis -a cursor2Вручную: положить файлы
.cursor/skills/trend-analysis/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install benchflow-ai/skillsbench tasks/lake-warming-attribution/environment/skills/trend-analysis2Вручную: положить файлы
.github/skills/trend-analysis/SKILL.md1Через Skills CLI (Vercel)
npx skills add benchflow-ai/skillsbench --skill trend-analysis -a gemini-cli2Командой платформы
gemini skills install https://github.com/benchflow-ai/skillsbench --path tasks/lake-warming-attribution/environment/skills/trend-analysisВручную: положить файлы
.devin/skills/trend-analysis/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add benchflow-ai/skillsbench --skill trend-analysis -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о trend-analysis
Как установить trend-analysis в Claude Code?
Выполните команду npx skills add benchflow-ai/skillsbench --skill trend-analysis -a claude-code. Инструкция запишется в путь ~/.claude/skills/trend-analysis/SKILL.md.
Что делает trend-analysis?
Он направляет ассистента при поиске долгосрочных трендов во временных рядах, предлагая готовые шаблоны на Python с линейной регрессией и тестом Манна — Кендалла.
Почему тест возвращает p-value = NaN?
В ряду слишком мало наблюдений: для надёжной работы тесту требуется выборка хотя бы из 8–10 значений.
Исходный текст
SKILL.md · MIT
---
name: trend-analysis
description: Detect long-term trends in time series data using parametric and non-parametric methods. Use when determining if a variable shows statistically significant increase or decrease over time.
license: MIT
---
# Trend Analysis Guide
## Overview
Trend analysis determines whether a time series shows a statistically significant long-term increase or decrease. This guide covers both parametric (linear regression) and non-parametric (Sen's slope) methods.
## Parametric Method: Linear Regression
Linear regression fits a straight line to the data and tests if the slope is significantly different from zero.
```python
from scipy import stats
slope, intercept, r_value, p_value, std_err = stats.linregress(years, values)
print(f"Slope: {slope:.2f} units/year")
print(f"p-value: {p_value:.2f}")
```
### Assumptions
- Linear relationship between time and variable
- Residuals are normally distributed
- Homoscedasticity (constant variance)
## Non-Parametric Method: Sen's Slope with Mann-Kendall Test
Sen's slope is robust to outliers and does not assume normality. Recommended for environmental data.
```python
import pymannkendall as mk
result = mk.original_test(values)
print(result.slope) # Sen's slope (rate of change per time unit)
print(result.p) # p-value for significance
print(result.trend) # 'increasing', 'decreasing', or 'no trend'
```
### Comparison
| Method | Pros | Cons |
|--------|------|------|
| Linear Regression | Easy to interpret, gives R² | Sensitive to outliers |
| Sen's Slope | Robust to outliers, no normality assumption | Slightly less statistical power |
## Significance Levels
| p-value | Interpretation |
|---------|----------------|
| p < 0.01 | Highly significant trend |
| p < 0.05 | Significant trend |
| p < 0.10 | Marginally significant |
| p >= 0.10 | No significant trend |
## Example: Annual Precipitation Trend
```python
import pandas as pd
import pymannkendall as mk
# Load annual precipitation data
df = pd.read_csv('precipitation.csv')
precip = df['Precipitation'].values
# Run Mann-Kendall test
result = mk.original_test(precip)
print(f"Sen's slope: {result.slope:.2f} mm/year")
print(f"p-value: {result.p:.2f}")
print(f"Trend: {result.trend}")
```
## Common Issues
| Issue | Cause | Solution |
|-------|-------|----------|
| p-value = NaN | Too few data points | Need at least 8-10 years |
| Conflicting results | Methods have different assumptions | Trust Sen's slope for environmental data |
| Slope near zero but significant | Large sample size | Check practical significance |
## Best Practices
- Use at least 10 data points for reliable results
- Prefer Sen's slope for environmental time series
- Report both slope magnitude and p-value
- Round results to 2 decimal places
© benchflow-ai · MIT · benchflow-ai/skillsbench