给第一问的代码添加注释，使代码更加容易理解

下面是问题1中所使用的Python代码段及对应的中文注释：

# 导入所需模块
import math
import scipy.stats as stats

# 计算样本量的函数
def calculate_sample_size(p, z_alpha, E):
    """
    计算样本量 
    p: 标称次品率 
    z_alpha: 标准正态分布的临界值（根据置信水平）
    E: 允许误差
    返回: 样本量 n
    """
    n = (z_alpha / E) ** 2 * p * (1 - p)
    return math.ceil(n)

# 假设检验的函数
def hypothesis_testing(sample_size, defective_rate,
                       observed_defective_rate, alpha):
    """
    进行假设检验
    sample_size: 样本量
    defective_rate: 标称次品率（假设的次品率）
    observed_defective_rate: 样本中的次品率
    alpha: 显著性水平
    返回: 是否拒绝零假设
    """
    # 计算标准误差
    std_error = math.sqrt(defective_rate * (1 - defective_rate) /
                          sample_size)
    # 计算检验统计量
    z = (observed_defective_rate - defective_rate) / std_error
    # 根据双侧检验的z值判断是否拒绝零假设
    z_critical = stats.norm.ppf(1 - alpha / 2)
    if abs(z) > z_critical:
        return True # 拒绝零假设
    else:
        return False # 不拒绝零假设

# 已知参数
p = 0.10 # 标称次品率
E = 0.02 # 允许误差
alpha_95 = 0.05 # 95%的显著性水平
alpha_90 = 0.10 # 90%的显著性水平
z_95 = stats.norm.ppf(1 - alpha_95 / 2) # 95%置信水平的z值
z_90 = stats.norm.ppf(1 - alpha_90 / 2) # 90%置信水平的z值

# 计算95%和90%置信水平下的样本量
sample_size_95 = calculate_sample_size(p, z_95, E)
sample_size_90 = calculate_sample_size(p, z_90, E)
print(f"95%置信水平下的样本量:{sample_size_95}")
print(f"90%置信水平下的样本量:{sample_size_90}")

# 假设观测到的次品率
observed_defective_rate = 0.12 # 观测到的样本次品率

# 进行假设检验
reject_null_95 = hypothesis_testing(sample_size_95, p,
                                    observed_defective_rate, alpha_95)
reject_null_90 = hypothesis_testing(sample_size_90, p,
                                    observed_defective_rate, alpha_90)

if reject_null_95:
    print("在95%的置信水平下，拒绝零假设，认为次品率超过标称值。")
else:
    print("在95%的置信水平下，不能拒绝零假设，认为次品率未超过标称值。")

if reject_null_90:
    print("在90%的置信水平下，拒绝零假设，认为次品率超过标称值。")
else:
    print("在90%的置信水平下，不能拒绝零假设，认为次品率未超过标称值。")

这段脚本实现了两件事：
1. 计算指定置信水平下的抽样检测样本量。
2. 执行假设检验来决定是否应该拒绝“批次次品率没有超出标称值”的原假设。