实验结果显著性检验

“我们的方法更快”要有统计上的依据：多次运行的波动有多大，差异是不是随机波动造成的。

说明

• Welch t 检验不要求两组方差相等，p 值的计算已经和 SciPy 的结果对照过。
• 置信区间按 t 分布计算；效应量用 Cohen's d，0.2、0.5、0.8 分别大致对应小、中、大。
• 每组至少 3 个样本才有意义。延迟这类长尾分布，同时报告中位数和 P99。