"value": "https://api.deepseek.com/anthropic" // 关键：指向 DeepSeek 兼容接口。我有一个电脑已经按照了 claude code + deepSeek+ VScode 但是当前这个电脑还没装，请给出一份详细安装，步骤，问题解决指南，注册账号，创建 API Key 并确保账户有余额（DeepSeek 按量计费，余额不足会报 402 错误）。"v

"value": "https://api.deepseek.com/anthropic" // 关键：指向 DeepSeek 兼容接口。我有一个电脑已经按照了 claude code + deepSeek+ VScode 但是当前这个电脑还没装，请给出一份详细安装，步骤，问题解决指南，注册账号，创建 API Key 并确保账户有余额（DeepSeek 按量计费，余额不足会报 402 错误）。"v

自变量： DV,dependent variable因变量： IV,Independent variable。

目标：用EXCEL做一元线性回归的各种参数，手动计算验证EXCEL计算的各个参数的值，自己重新算一遍，了解具体的公式计算过程。为什么要这么做看了这么多讲指标运算公式的，大多数都是推导。但很少见到有自己手动，完全验证一遍这些指标计算公式实操的，我自己试试。目的2个：还能验证自己整理的公式的对错。可以加深对公式的理解

估计量的数学期望等于被估计参数的真实值，则称此估计量为被估计参数的无偏估计，即具有无偏性无偏估计是用样本统计量来估计总体参数时的一种无偏推断。估计量的数学期望等于被估计参数的真实值，则称此估计量为被估计参数的无偏估计，即具有无偏性，是一种用于评价估计量优良性的准则。无偏估计的意义是：在多次重复下，它们的平均数接近所估计的参数真值。无偏估计常被应用于测验分数统计中。下面是我自己搞的一个简单推理过程。

F检验临界值表提供了右尾F检验的临界值。当F检验的统计量大于该值时，我们的F检验结果在统计上是有意义的。F检验 (F-test)，亦称联合假设检验（joint hypotheses test）、方差比率检验、方差齐性检验。它是一种在零假设（null hypothesis, H0）之下，统计值服从F-分布的检验。其通常是用来分析用了超过一个参数的统计模型，以判断该模型中的全部或一部分参数是否适合用来

与标准正态分布曲线相比，自由度df越小，t分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度df愈大，t分布曲线愈接近正态分布曲线，当自由度df=∞时，t分布曲线为标准正态分布曲线。在概率论和统计学中，t-分布（t-distribution）用于根据小样本来估计呈正态分布且方差未知的总体的均值。查t界值表中自由度为n-1，双侧α，如果是双边检验，那么查到的t(α/2, n-1)查t界值表中

集中趋势（central tendency）：集中趋势反映了一组数据的中心点位置所在及该组数据向中心靠拢或聚集的程度。（描述数据中心）适合查看符合正态分布等数据。如果数据本身比较偏，看集中趋势意义大吗？

偏差：描述的是预测值（估计值）的期望与真实值之间的差距。偏差越大，越偏离真实数据。方差：描述的是预测值的变化范围，离散程度，也就是离其(预测值整体)期望值的距离。方差越大，数据的分布越分散预测值和真实值完全没关系。方差小只是一群估计值自身的属性，够不够聚拢，发散是否厉害。有可能方差很大也可能很小，但偏离真实值很远的情况。简单的理解，范式就是距离L1 范式距离，就是 |y1-y2|L2 范式距离，就

也叫U检验，正态检验目的是：比较样本的平均值的差异，也可以叫 均值齐性检验前提假设，不同的样本都符合正态分布，标准正态分布？Z检验，也称“U检验”，是为了检验在零假设情况下测试数据能否可以接近正态分布的一种统计测试。根据中心极限定理，在大样本条件下许多测验可以被贴合为正态分布。在不同的显著性水平上，Z检验有着同一个临界值，因此它比临界值标准不同的学生t检验更简单易用。当实际标准差未知，而样本容量较