UC Berkeley STAT151A：Linear Models（2026 春）

请帮我把「UC Berkeley STAT151A：Linear Models（2026 春）」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://stat151a.berkeley.edu/spring-2026/
我的系统：Linux。如果实际不符，先调整方案。
本次路线：Linux：在本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：官方HW0–5、Lab0–7、课堂quiz和最终项目。用R记录拟合结果与诊断图，并解释统计显著性与实际意义；bCourses/Gradescope只供有权限者提交。
课节（官方顺序）：
1. Jan 21 Class policies：https://stat151a.berkeley.edu/spring-2026/
2. Jan 23 Real-world questions：https://stat151a.berkeley.edu/spring-2026/
3. Jan 26 Inference and probability：https://stat151a.berkeley.edu/spring-2026/
4. Jan 28 Prediction and uncertainty：https://stat151a.berkeley.edu/spring-2026/
5. Jan 30 Linear algebra review：https://stat151a.berkeley.edu/spring-2026/
6. Feb 2 Simple linear regression：https://stat151a.berkeley.edu/spring-2026/
7. Feb 4 Multilinear regression：https://stat151a.berkeley.edu/spring-2026/
8. Feb 9 Paths to the least squares objective：https://stat151a.berkeley.edu/spring-2026/
9. Feb 11 Transforming the regressors：https://stat151a.berkeley.edu/spring-2026/
10. Feb 13 Transforming the response：https://stat151a.berkeley.edu/spring-2026/
11. Feb 18 Confidence intervals review：https://stat151a.berkeley.edu/spring-2026/
12. Feb 20 The multivariate normal：https://stat151a.berkeley.edu/spring-2026/
13. Feb 23 Z and T tests：https://stat151a.berkeley.edu/spring-2026/
14. Feb 25 Model selection and F-tests：https://stat151a.berkeley.edu/spring-2026/
15. Mar 2 Asymptotics and heteroskedasticity：https://stat151a.berkeley.edu/spring-2026/
16. Mar 4 Misspecification：https://stat151a.berkeley.edu/spring-2026/
17. Mar 6 Statistical and practical significance：https://stat151a.berkeley.edu/spring-2026/
18. Mar 11 Statistical and practical significance：https://stat151a.berkeley.edu/spring-2026/
19. Mar 13 Splines and basis expansions：https://stat151a.berkeley.edu/spring-2026/
20. Mar 16 Bayesian estimators：https://stat151a.berkeley.edu/spring-2026/
21. Mar 18 Ridge regression：https://stat151a.berkeley.edu/spring-2026/
22. Mar 30 Regression to the mean：https://stat151a.berkeley.edu/spring-2026/
23. Apr 1 The FWL theorem：https://stat151a.berkeley.edu/spring-2026/
24. Apr 3 Omitted variable bias：https://stat151a.berkeley.edu/spring-2026/
25. Apr 6 Outlier responses：https://stat151a.berkeley.edu/spring-2026/
26. Apr 8 Outlier regressors：https://stat151a.berkeley.edu/spring-2026/
27. Apr 15 Final projects：https://stat151a.berkeley.edu/spring-2026/
28. Apr 17 Grouped observations：https://stat151a.berkeley.edu/spring-2026/
29. Apr 20 Class review：https://stat151a.berkeley.edu/spring-2026/
30. Apr 22 Class review：https://stat151a.berkeley.edu/spring-2026/
31. Apr 27 Project discussion：https://stat151a.berkeley.edu/spring-2026/
32. Apr 29 Project discussion：https://stat151a.berkeley.edu/spring-2026/
33. May 1 Project discussion：https://stat151a.berkeley.edu/spring-2026/

1. 环境
- 选择本机R与RStudio Desktop；已有Docker也可在本机使用Rocker提供的RStudio Server，两种方法选一种即可，LearnMap不托管运行。
- 使用RStudio建立独立课程Project。Docker方式参照Rocker官方文档，仅绑定127.0.0.1并挂载个人课程目录，验证后停止临时服务。
- 读取当前Lab的library/install.packages要求逐项安装依赖。官网推荐的Berkeley D-Lab R Fundamentals公开gapminder.csv已实测可读、可运行lm/summary并在Plots显示图形。
- 本次真实验证为Linux容器RStudio Server/R4.5.2；RStudio Desktop、macOS和后续课程作业尚未逐一验证。
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程表、材料与作业入口：只记录链接 https://stat151a.berkeley.edu/spring-2026/（未核实开放复制许可；只保存官方链接，不批量下载或再分发。）
- 官方讲义索引：只记录链接 https://stat151a.berkeley.edu/spring-2026/lectures/index.html（未核实开放复制许可；只保存官方链接，不批量下载或再分发。）
- 官方作业：只记录链接 https://stat151a.berkeley.edu/spring-2026/assignments/index.html（未核实开放复制许可；只保存官方链接，不批量下载或再分发。）
- 官方Labs：只记录链接 https://stat151a.berkeley.edu/spring-2026/labs/index.html（未核实开放复制许可；只保存官方链接，不批量下载或再分发。）
3. 目录（最外层放在我确认的位置）
berkeley-stat151a-spring2026/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    ├── 01-lesson-01/
    ├── 02-lesson-02/
    ├── 03-lesson-03/
    ├── 04-lesson-04/
    ├── 05-lesson-05/
    ├── 06-lesson-06/
    ├── 07-lesson-07/
    ├── 08-lesson-08/
    ├── 09-lesson-09/
    ├── 10-lesson-10/
    ├── 11-lesson-11/
    ├── 12-lesson-12/
    ├── 13-lesson-13/
    ├── 14-lesson-14/
    ├── 15-lesson-15/
    ├── 16-lesson-16/
    ├── 17-lesson-17/
    ├── 18-lesson-18/
    ├── 19-lesson-19/
    ├── 20-lesson-20/
    ├── 21-lesson-21/
    ├── 22-lesson-22/
    ├── 23-lesson-23/
    ├── 24-lesson-24/
    ├── 25-lesson-25/
    ├── 26-lesson-26/
    ├── 27-lesson-27/
    ├── 28-lesson-28/
    ├── 29-lesson-29/
    ├── 30-lesson-30/
    ├── 31-lesson-31/
    ├── 32-lesson-32/
    └── 33-lesson-33/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - Rscript --version  → 终端可调用Rscript；若未加PATH可在RStudio运行下一条。
  - R表达式：summary(lm(mpg ~ wt, data=mtcars))  → 在RStudio Console中运行，输出系数与回归统计；不把它当成课程作业结果。
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。