Calculateur de Régression Linéaire
Calculateur de Régression Linéaire
Entrez deux listes appariées de nombres (associant chaque valeur x à sa valeur y correspondante, dans l'ordre). Cela calcule la droite de régression linéaire simple qui s'ajuste le mieux à vos données — la pente, l'ordonnée à l'origine, le coefficient de détermination (R²) et l'équation complète.
- Formule : la pente b minimise la somme des distances verticales au carré entre chaque point de données et la droite ("moindres carrés").
- La pente indique le taux de changement : pour chaque augmentation d'une unité de x, y change de la valeur de la pente.
- R² mesure la qualité de l'ajustement : un R² proche de 1 signifie que la droite explique la plupart de la variation de y ; un R² proche de 0 signifie que x ne prédit presque pas y.
Puis-je utiliser cette équation pour prédire y pour une nouvelle valeur de x ?
Oui, dans la plage des valeurs x que vous avez fournies — insérez votre nouveau x dans y = a + bx, mais soyez prudent en extrapolant loin en dehors de votre plage de données d'origine.
Pourquoi l'ordonnée à l'origine n'a-t-elle parfois pas de sens pratique ?
L'ordonnée à l'origine est le y prédit quand x = 0, ce qui est parfois en dehors de la plage réaliste de vos données.
Calculateur de Régression Linéaire
Entrez deux listes appariées de nombres (associant chaque valeur x à sa valeur y correspondante, dans l'ordre). Cela calcule la droite de régression linéaire simple qui s'ajuste le mieux à vos données — la pente, l'ordonnée à l'origine, le coefficient de détermination (R²) et l'équation complète.
- Formule : la pente b minimise la somme des distances verticales au carré entre chaque point de données et la droite ("moindres carrés").
- La pente indique le taux de changement : pour chaque augmentation d'une unité de x, y change de la valeur de la pente.
- R² mesure la qualité de l'ajustement : un R² proche de 1 signifie que la droite explique la plupart de la variation de y ; un R² proche de 0 signifie que x ne prédit presque pas y.
Puis-je utiliser cette équation pour prédire y pour une nouvelle valeur de x ?
Oui, dans la plage des valeurs x que vous avez fournies — insérez votre nouveau x dans y = a + bx, mais soyez prudent en extrapolant loin en dehors de votre plage de données d'origine.
Pourquoi l'ordonnée à l'origine n'a-t-elle parfois pas de sens pratique ?
L'ordonnée à l'origine est le y prédit quand x = 0, ce qui est parfois en dehors de la plage réaliste de vos données.