np.random() 主要是生成符合各种要求的随机数比如[0,1)符合某分布，正态分布，二项分布等指定某区间内随机等，比如(a,b) 之间，或者在某个array([1,10,99]) 之间np.random() 可以不指定size，就只生成一个随机数。如果像生成一个数组，np.random() 都接受 size=10 这个参数，方便生成多个符合要求的随机数，一个数组size参数不是必须的，如果没

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

单个偏差：某偏差=某数据-平均值总偏差：然后把所有的偏差加和起来，就是总的偏差偏差和=Σ(各数据-平均值)，会导致互相抵消偏差的绝对值的和=Σ(|各数据-平均值|) ，理论上可以，但是使用的比较少。偏差平方和=Σ(各数据-平均值)^2方差=偏差平方和/N=Σ(各数据-平均值)^2/N。

用python处理协方差 和 皮尔逊相关系数。

每个饼分位多个分块，每个分块大小不同，每个分块还可以分尖端和后面2部分。根据饼状图来的，南丁格尔玫瑰图。频度分布表：概率分布的雏形吧。

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

1 与门，非门，或门，与非门 ，或非门，异或门与门，A&B或门，A+B非门，A-与非门，A&B-或非门，(A+B)-异或门与门（AND gate）、或门（OR gate）和非门（NOT gate）是数字逻辑电路中的三种基本门电路，它们用于实现不同的逻辑功能。与门，A&B或门，A+B非门，A-与非门，A&B-或非门，(A+B)-异或门1.1 与门，and gate1.

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

卧槽为什么VBA这么灵活，一个问题，百度下有好多种答案！虽然有些错的，大多数不同的方法还都能行，佩服！这个出错语句判断这个真好Sub t1()a = InputBox("请输入要查找的sheet名")On Error GoTo 100Sheets(a).SelectMsgBox ("您查找的名为 " & a & "的sheet已存在")Ex...

先展示下今天做的效果按钮1：绑定start1()按钮2：绑定stop1()文字旋转效果图形，形变，变色，旋转效果四角星是插入的图形，文字是插入的艺术字（选择图形效果--选形状）对应的代码Private switch1Sub stop1()switch1 = FalseEnd SubSub start1()Dim p1, p2 As ShapeSet p1 = Worksheets("sheet1"