PairedLab MCP Server

# PairedLab — eşleştirilmiş ortalama t-testi

Eğitim ve araştırma amaçlı ders projesidir. G*Power'ın resmi veya onaylı bir sürümü değildir. Orijinal program ve kaynak kodu dağıtılmaz; inceleme kapsamı, atıflar ve paylaşım açıklaması LEGAL.md içindedir.

YZM301 Teardown Sprint projesi. İncelenen hesap: t tests → Means: Difference between two dependent means (matched pairs). Proje; REA/Ghidra incelemesi, kanıt defteri, kabul kriterleri, TypeScript hesaplama katmanı, bağımsız temiz oda uygulaması, CLI ve stdio MCP sunucusunu içerir.

Teslim özeti

Teslim katmanları: CLI, MCP ve Ollama üzerinden Türkçe soruyu yorumlayıp gerçek MCP aracını çağıran AI ajanı vardır. AI ajanı kurulumu ve ölçüm yöntemi. Puan ve gizli test kapısı öğretim elemanının değerlendirmesine bağlıdır. Açık teslim maddeleri SUBMISSION.md içinde belirtilir.

Sürümler: G*Power 3.1.9.7 Windows; REA 6.5.0; Ghidra 12.1.2; JDK 21; Node.js 22.23.2; PairedLab paket sürümü 1.0.0.

İncelenen GPowerNT.exe SHA-256: c63e6a133eb6372932f810c08cc33dc35a06d1ddb658f897bd6c34a754efc812 (2.287.616 bayt). Binary paylaşılmaz; kimlik kaydı.

60 saniyelik CLI demo: MP4 video · kayıt ve yeniden üretim. Gerçek komut çıktılarının terminal kaydı görselleştirmesidir; masaüstü ekran çekimi değildir.

Atıf: Faul, Erdfelder, Lang ve Buchner (2007), doi:10.3758/BF03193146; Faul, Erdfelder, Buchner ve Lang (2009), doi:10.3758/BRM.41.4.1149. Orijinal G*Power yazarlarına ait haklar saklıdır.

Klinik örnek

Aynı hastaların tedavi öncesi ve sonrası tansiyonu ölçülür. Örnek varsayım: farkların ortalaması 10, farkların standart sapması 20 ise dz=10/20=0.5. Çift yön, alpha=.05, hedef güç=.95 için sonuç 54 hasta/eşleşmiş çift olur. Bu 108 ayrı hasta değildir; 54 hastadan ikişer ölçüm alınır. Araç ham veriden p-değeri hesaplamaz; güç ve örneklem planlar.

Related MCP server: rigor-mcp

Altı maddenin durumu

Kurulum ve kullanım

Node.js 22 ile doğrulandı.

npm ci
npm run build
npm run cleanroom:build
npm run spec-only:build
npm test

# CLI
npm run cli -- --test t-paired --mode a-priori --tails 2 --d 0.5 --alpha 0.05 --power 0.95
npm run cli -- --test t-paired --mode post-hoc --tails 2 --d 0.5 --alpha 0.05 --n 54

# Bağımsız temiz oda CLI'si
npm run cleanroom:cli -- --test t-paired --mode a-priori --tails 2 --d 0.5 --alpha 0.05 --power 0.95

# Yalnız SPEC ile geliştirilen uygulamanın CLI'si
npm run spec-only:cli -- --test t-paired --mode a-priori --tails 2 --d 0.5 --alpha 0.05 --power 0.95

npm run mcp
ollama serve
# Ayrı terminalde (qwen3.5:9b modelinin kurulu olması gerekir):
npm run agent -- "Aynı hastalarda önce ve sonra tansiyon için çift yönlü eşleştirilmiş t-testi: dz=0.5, alfa=0.05, %95 güç için kaç hasta gerekir?"
npm run eval

Standart sonuç:

{"n_total":54,"actual_power":0.9502,"critical":2.0057,"df":53,"ncp":3.6742}

CLI ve MCP, src/engine/ altındaki ortak hesaplama katmanını kullanır. cleanroom/ bağımsız yeniden yazımı ve kendi CLI'sini içerir. İki uygulama aynı kabul verileriyle karşılaştırılır.

spec-only/ yalnız SPEC okuyarak başlatılmış ek bağımsız uygulamadır; uygulayıcısı referans dosyalarını görmemiştir. Üst oturum bu uygulamayı geliştirme sonrasında tutulmuş GUI ve statsmodels verileriyle sınar. Gerçek ilk prompt.

Test sonuçları

• Genişletilmiş GUI: 31/32 (%96.875); CSV, JSON, ekran görüntüleri, fark raporu. 31 vaka ekran görüntülüdür; GUI-01 yalnız metindir. Beklenen giriş retleri eşleşme sayısına dahildir; GUI-10 dahil değildir.

• Ölçek doğrulaması: 600 statsmodels vektörü; N/df tam, diğer alanlar dört ondalıkta eşit. Veri, üretici, rapor. Bunlar G*Power GUI kaydı değildir. Kesirli N yukarı yuvarlanır, N ve N-1 güçleriyle minimum eşik ayrıca denetlenir.

• Resmi kılavuz §19.3'ün iki örneği: test, rapor.

• Yalnız-SPEC uygulaması: 32 GUI + 600 statsmodels girdisi üzerinden 632 sözleşme kontrolü ve 3 gerçek CLI kontrolü; rapor. Beklenen retler ve bilinen büyük-N sınırı sayıda bulunur; tüm girdilerde G*Power eşdeğerliği iddia edilmez.

• CLI girdi doğrulaması: kesirli N, geçersiz sayı metni ve güç ≤ alpha dahil 10 hata vakası; test.

• Gerçek Türkçe LLM + MCP: 10/10 doğru aile, parametre ve sayısal sonuç. Aynı soruların canlı G*Power ekranını okuyan modelinde N doğruluğu 7/10; tam sayısal doğruluk 0/10. Ölçülen token toplamı 11.767 / 17.363; yöntem ve süre sınırları AI_AGENT.md ve sonuç tablosunda. Desteklenmeyen aile ve eksik parametrelerde iki ek canlı kontrolde hesap yerine açıklama istendi.

Önceki temiz oda devrine ait dondurulmuş 12 vakalık küme ayrıca korunur:

• npm run test:gui: 12 gerçek GUI kaydının 11'i eşleşir; GUI-10 yerel arama sınırını aşar. N/df kesin; diğer alanlar GUI'nin dört ondalığa yuvarlanmış değeriyle kesin eşittir. Arayüz kaydının SHA-256 özeti ve CLI de denetlenir. Ham farklar evidence/gui-differential-results.json içindedir.

• SciPy: 106/106 toleranslı ve dört ondalıkta kesin eşleşme. N=2 satırı matematiksel iç fonksiyon üzerinden, ayrıca post-hoc genel API reddiyle test edilir; diğer 105 satır genel API'den geçer.

• MCP: gerçek stdio sunucusu ile CLI arasında 8/8 aynı sonuç.

• npm run test:cleanroom: bağımsız motor, ana motor ve onaylı veriler arasında 118/118 sözleşme kontrolü; ayrıca üç bağımsız CLI kontrolü. Bu sayı beklenen retleri de içerir; %100 G*Power eşdeğerliği demek değildir.

• npm run eval: gerçek yerel LLM + MCP ölçümü ve kayıtlı ekran görüntülerinin okunması. Canlı GUI karşılaştırması ayrıca AI_AGENT.md içinde belgelenir. npm run eval:demo önceki kurallı örnektir; onun maliyetleri varsayımdır, gerçek ölçüm değildir.

Tam eşdeğerlik denetimi: npm run test:gui:strict. Bilinen GUI-10 farkı sürdüğü için exit=1 verir. Normal test paketinin yeşil olması bütün G*Power girdilerinin eşdeğer olduğu anlamına gelmez.

Gerçek programda bulunan sınırlar ve düzeltmeler

Post-hoc N=2 reddedilir; a-priori büyük etkide N=2 üretebilir. Post-hoc dz=.00001 ve .000005 kabul edilir. A-priori dz=.000005 reddedilir; .00001 ve 20 kabul edilir, 100 reddedilir. Bu mod ayrımları belgeler ve giriş kontrollerine işlendi.

Sayısal integrasyon çözünürlüğü küçük N ve büyük etki durumlarını da kapsayacak şekilde ayarlanır. GUI-12 ve bütün SciPy referansları dört ondalıkta eşleşir; standart örnekte N=54 elde edilir.

Bilinen fark: G*Power a-priori dz=.00001, alpha=.05, hedef=.95 için N=129940148212 üretir. İki yerel motor da 1.000.000 çift arama sınırında açıklayıcı hata verir. Bu vaka başarılı eşleşme sayılmaz.

Kanıt ve süreç belgeleri

MCP araç sözleşmesi

Taşıma stdio; başlatma npm run mcp. Araç adı: calculate_paired_power. Hesaplar ortak src/engine/ katmanından gelir.

Başarı cevabı MCP content listesindeki type: text öğesinde JSON taşır: n_total (çift sayısı, integer), actual_power (number), critical (number), df (integer), ncp (number). Sayısal alanlar dört ondalığa yuvarlanır. Hata cevabı isError: true ve content[].text içinde {"error":"açıklama"} içerir. CLI hatası sıfırdan farklı çıkış koduyla JSON verir. A-priori yerel arama sınırı 1.000.000 çifttir. Gerçek CLI/MCP denklik testi.

Kanıt bağlantıları

• LEDGER.md: binary adresleri, REA ve GUI kayıtları.

• SPEC.md: kabul kriterleri.

• CLEANROOM.md ve uygulayıcı oturumu: gerçek temiz oda süreci.

• VERIFICATION.md: son doğrulama.

• evidence/README.md: ham kayıtların kullanımı.

• HALLUCINATIONS.md: yanlış çıkarımlar ve yakalayan kanıtlar.

• AGENT_COST.md: maliyet varsayımlarının sınırları.

node scripts/build-gui-vectors.mjs saklanan arayüz kayıtlarından GUI vektörlerini üretir; GUI'yi yeniden çalıştırmaz. REA sorguları scripts/rea-evidence.mjs içindedir. GPowerNT.exe depoya eklenmez. Eğitim amacı ve atıflar: LEGAL.md.

Genişletilmiş CSV/JSON için node scripts/build-expanded-gui.mjs; statsmodels kümesi için python scripts/generate-statsmodels.py kullanılır. Python bu ek veri üretiminde kullanılır; uygulamanın çalışma zamanı bağımlılığı değildir.

REA sağlık denetimi: ham rapor, rapor sayfası. Ghidra, hedef binary ve mevcut Antigravity kaydı için healthy=true. Bu, Codex kaydının kurulu olduğunu veya tüm isteğe bağlı sağlayıcıların hazır olduğunu göstermez. Ajan cevabının ekran görüntüsü henüz eklenmedi; ham rapor bunun yerine konuşma ekran görüntüsü diye sunulmaz.