Калькулятор кореляції Пірсона
Обчисліть коефіцієнт кореляції Пірсона (r) і детермінації (r2) для двох рядів чисел. Введіть значення через кому — результат з інтерпретацією, без реєстрації.
Калькулятор · Статистика
Калькулятор лінійної регресії визначає рівняння прямої y = ax + b за набором пар даних (X, Y). Він обчислює коефіцієнт нахилу a, вільний член b, коефіцієнт детермінації R² та прогнозоване значення Y для обраного X. Інструмент корисний у статистиці, аналізі даних, економіці та природничих науках.
Введіть значення X через кому (наприклад, 1,2,3,4,5) у полі «Серія X». Потім введіть відповідні значення Y у полі «Серія Y». Вкажіть значення X для прогнозу. Натисніть «Розрахувати» — калькулятор визначить рівняння прямої та відобразить результати.
Для даних X = [1, 2, 3, 4, 5] і Y = [2,1; 3,9; 5,8; 7,2; 9,1] калькулятор визначає: a ≈ 1,75, b ≈ 0,38, R² ≈ 0,9993. Прогноз для X = 6 становить y ≈ 10,88. Високий R² свідчить про майже ідеальну лінійну залежність між змінними.
Лінійна регресія — це статистичний метод, який моделює лінійну залежність між змінною Y та змінною X за допомогою рівняння y = ax + b. Він дозволяє прогнозувати значення Y для нових спостережень X.
Коефіцієнт a — це нахил прямої регресії. Він показує, на скільки змінюється Y при збільшенні X на одиницю. Додатний a означає зростання, від'ємний — спадання.
Вільний член b — це значення Y при X = 0. Він визначає точку перетину прямої з віссю Y.
R² (коефіцієнт детермінації) показує, яка частка мінливості Y пояснюється моделлю. Значення близьке до 1 означає відмінне підгонку моделі до даних.
Залежить від галузі. У природничих науках R² > 0,95 є звичним. У соціальних науках R² > 0,7 може бути прийнятним. Що вище значення, то краще.
Математично достатньо 2 точок, але для надійних результатів рекомендується не менше 5–10 пар даних. Більша кількість спостережень підвищує стабільність моделі.
Введіть числа через кому, крапку з комою або пробіл. Калькулятор автоматично розбирає дані й використовує кількість пар, рівну меншій з двох серій.
Так, екстраполяція можлива, але ризикована. Що далі від наявних даних, то більша невизначеність прогнозу. Результати слід інтерпретувати обережно.
Кореляція вимірює силу зв'язку між змінними, а регресія будує рівняння для прогнозування Y на основі X. Обидва інструменти доповнюють один одного в аналізі даних.
Якщо залежність між X і Y нелінійна (наприклад, квадратична або показникова), лінійна регресія дає погане підгонку (низький R²). Тоді варто використовувати поліноміальну або іншу регресію.
Орієнтовний результат
Обчисліть коефіцієнт кореляції Пірсона (r) і детермінації (r2) для двох рядів чисел. Введіть значення через кому — результат з інтерпретацією, без реєстрації.
Обчисліть стандартне відхилення та дисперсію для вибірки або генеральної сукупності. Введіть числа через кому — миттєвий результат без реєстрації.
Обчисліть зважене середнє для оцінок, балів або будь-яких числових значень. Введіть до 5 пар значення–вага та отримайте результат миттєво. Безкоштовно онлайн.