Kalkulator regresji liniowej
Wprowadź dane sparowane, dopasuj prostą najmniejszych kwadratów, sprawdź r i R² oraz oszacuj y dla wybranego x.
Przykłady
Szkola: czas nauki i wynik
Dopasuj prostą do godzin nauki i wyniku, a potem oszacuj wartość dla 6 godzin.
- Sposob wprowadzania
- Dwie listy
- Obserwacje x
- 1; 2; 3; 4; 5
- Obserwacje y
- 62; 68; 74; 81; 86
- Wiersze sparowane
- 1; 62 2; 68 3; 74 4; 81 5; 86
- Oszacuj y dla x =
- 6
Prosta regresji
y = 55.9 + 6.1x
Nachylenie b
6,1
Wyraz wolny a
55,9
Korelacja r
0,999061
R²
0,998122
Oszacowane y
92,5
Przykłady
Szkola: czas nauki i wynikDopasuj prostą do godzin nauki i wyniku, a potem oszacuj wartość dla 6 godzin.y = 55.9 + 6.1xy = 55.9 + 6.1x
Biznes: wydatki i leadyPowiąż tygodniowe wydatki z liczbą leadów i oszacuj kolejny poziom.y = -0.4 + 2.2xy = -0.4 + 2.2x
Nauka: stężenie i odpowiedźPodsumuj liniowy wzorzec laboratoryjny i sprawdź, czy dopasowanie jest mocne czy słabe.y = 0.5 + 1.28xy = 0.5 + 1.28x
Jak to działa
Wzór
Zmienne
- Zaobserwowana wartość x w parze i
- Zaobserwowana wartość y w parze i
- Średnia wartości x
- Średnia wartości y
- Nachylenie prostej najmniejszych kwadratów
- Wyraz wolny prostej
- Współczynnik korelacji liniowej
- Część zmienności y wyjaśniona przez prostą
Regresja liniowa dopasowuje jedną prostą do Twoich danych sparowanych. Nachylenie pokazuje, jak zmienia się y, gdy x rośnie o 1, a wyraz wolny to wartość prostej przy x = 0.
Użyj tego narzędzia, gdy masz już obserwacje sparowane, na przykład czas nauki vs. wynik albo stężenie vs. odpowiedź. Im większa wartość bezwzględna r, tym ciaśniejszy jest wzorzec liniowy. R² pokazuje, jaką część zmienności y wyjaśnia prosta. Nawet dobre dopasowanie nie dowodzi związku przyczynowego.
Często zadawane pytania
01Co oznacza nachylenie?
Nachylenie **b** to zmiana **y** przy wzroście **x** o jedną jednostkę. Wartość dodatnia oznacza linię rosnącą, a ujemna malejącą.
02Co mówi R²?
R² to część zmienności **y**, którą wyjaśnia dopasowana prosta. Wartość bliska 1 oznacza ścisłe dopasowanie, a bliska 0 niewielką część wyjaśnionej zmienności.
03Czy wysoka korelacja dowodzi przyczynowości?
Nie. Regresja opisuje zależność w danych, ale nie pokazuje, czy jedna zmienna powoduje drugą.
04Czy warto przewidywać daleko poza zakresem danych?
Ostrożnie. Przewidywane y to tylko wartość prostej dla wpisanego x. Im dalej od obserwowanego zakresu x, tym słabsza podstawa do takiej estymacji.