Kalkulator korelacji Pearsona
Oblicz wspolczynnik korelacji Pearsona (r) i determinacji (r2) dla dwoch serii liczb. Wpisz wartosci oddzielone przecinkami — wynik z interpretacja, bez rejestracji.
Kalkulator regresji liniowej pozwala wyznaczyć równanie prostej y = ax + b na podstawie podanych par danych (X, Y). Oblicza współczynnik nachylenia a, wyraz wolny b, współczynnik determinacji R² oraz prognozowaną wartość Y dla dowolnie wybranego X. Narzędzie jest przydatne w statystyce, analizie danych, ekonomii i naukach przyrodniczych.
Wprowadź wartości X oddzielone przecinkami (np. 1,2,3,4,5) w polu "Seria X". Następnie wpisz odpowiadające im wartości Y w polu "Seria Y". Podaj wartość X, dla której chcesz prognozować Y. Klikni "Oblicz" — kalkulator automatycznie wyznacza prostą regresji i wyświetla wyniki.
Dla danych X = [1, 2, 3, 4, 5] i Y = [2,1; 3,9; 5,8; 7,2; 9,1] kalkulator oblicza: a ≈ 1,75, b ≈ 0,38, R² ≈ 0,9993. Prognoza dla X = 6 wynosi y ≈ 10,88. Wysoki R² wskazuje na niemal idealną liniową zależność między zmiennymi.
Regresja liniowa to metoda statystyczna, która modeluje liniową zależność między zmienną objaśnianą (Y) a zmienną objaśniającą (X) za pomocą równania prostej y = ax + b.
Współczynnik a to nachylenie prostej regresji. Wskazuje, o ile zmienia się wartość Y, gdy X wzrośnie o jedną jednostkę. Wartość dodatnia oznacza wzrost, ujemna — spadek.
Wyraz wolny b to punkt przecięcia prostej regresji z osią Y. Oznacza przewidywaną wartość Y, gdy X = 0.
R² informuje, jaki procent zmienności zmiennej Y jest wyjaśniany przez model regresji. Wartość R²=1 oznacza idealne dopasowanie, a R²=0 brak zależności liniowej.
Wartość R² = 0,95 oznacza, że model regresji wyjaśnia 95% zmienności danych Y. Jest to bardzo dobre dopasowanie modelu do danych.
Wpisz wartości X i Y oddzielone przecinkami, średnikami lub spacjami. Liczba punktów w obu seriach może być różna — kalkulator automatycznie dopasuje do krótszej serii.
Wpisując wartość X spoza zakresu danych, możesz obliczyć prognozowaną wartość Y. Kalkulator podstawia ją do równania y = ax + b i zwraca wynik.
Nie. Regresja liniowa zakłada liniową zależność między zmiennymi. Jeśli dane mają charakter krzywoliniowy lub nieliniowy, wyniki mogą być nieprecyzyjne. Zawsze warto wizualizować dane.
Matematycznie wystarczą 2 punkty, ale dla wiarygodnych wyników zaleca się co najmniej 5–10 par danych. Im więcej punktów, tym bardziej stabilne i wiarygodne są parametry modelu.
Korelacja mierzy siłę i kierunek liniowej zależności między zmiennymi (współczynnik r). Regresja liniowa dodatkowo wyznacza równanie prostej, które pozwala na prognozowanie wartości Y dla dowolnego X.
Wyniki mają charakter orientacyjny. Regresja liniowa zakłada liniową zależność między zmiennymi. W przypadku danych nieliniowych lub z dużą liczbą wartości odstających wyniki mogą być mniej dokładne.
Oblicz wspolczynnik korelacji Pearsona (r) i determinacji (r2) dla dwoch serii liczb. Wpisz wartosci oddzielone przecinkami — wynik z interpretacja, bez rejestracji.
Oblicz odchylenie standardowe i wariancję dla próby lub populacji. Wpisz liczby oddzielone przecinkami — wynik natychmiast, bez rejestracji.
Oblicz średnią ważoną dla ocen, punktów lub dowolnych wartości. Podaj ocenę i wagę dla każdej pozycji (do 5 par) — kalkulator poda wynik w 2 sekundy. Bezpłatnie online.