准备环境：装好Python和Jupyter

首先，你需要一个能运行Python代码的环境。如果你还没装Python，建议安装Anaconda（一个包含Python和常用科学计算工具的发行版）。去官网下载对应操作系统的版本，一路默认安装即可。装好后打开Jupyter Notebook（一个交互式编程工具，能边写代码边看结果），它会在浏览器里打开。如果遇到权限问题，试着以管理员身份运行Anaconda Prompt再启动Jupyter。

安装步骤：下载并运行示例代码

1. 从文章配套的GitHub仓库下载msprt_demo.ipynb文件（一个Jupyter笔记本文件）。
2. 在Jupyter中点击“Upload”上传该文件，然后双击打开。
3. 依次点击每个代码单元格，按Shift+Enter运行。第一个单元格会导入必要的库，如numpy（用于数值计算）和matplotlib（用于绘图）。如果提示缺少库，在Anaconda Prompt里输入pip install numpy matplotlib安装。
4. 代码会生成模拟实验数据，并计算mSPRT（混合顺序概率比检验，一种允许随时停止并保持统计有效性的方法）的e值（一个类似p值的指标，但支持随时查看结果而不增加假阳性率）。

验证是否成功：看到图表和结果

运行到最后，你会看到一张图，展示随着实验天数增加，e值的变化。如果e值超过1，说明证据足够强，可以停止实验。同时，代码会输出一个结论，告诉你是否拒绝原假设（即AI功能是否有效）。如果一切顺利，你就成功跑通了第一个顺序检验！

下一步可以做什么

• 修改代码中的样本量或效果大小参数，观察对结果的影响。
• 尝试用你自己的实验数据替换模拟数据，分析真实场景。
• 学习更多关于顺序分析（一种允许在数据收集过程中随时检验假设的方法）的知识，避免经典p值在提前查看时的陷阱。