Calculadora de regressão linear

Calcule online a equação de regressão linear, o coeficiente de correlação e o gráfico de dispersão, com suporte a entrada manual, importação de CSV e análise de dados em lote

Relatório de bug

Modo de execução no navegador: Seus dados são processados no navegador e não são enviados ao servidor.

Velocidade e estabilidade: A velocidade de processamento depende do seu dispositivo e navegador. Para trabalhos em lote grandes, a versão para desktop pode ser mais estável.

Carregando ferramenta, aguarde...

Se a ferramenta online não carregar ou executar, tente a ferramenta para desktop. https://tools.yikeaigc.com/

Uso da ferramenta

Voltar para a versão antiga

Prepare os dados X/Y, defina os parâmetros do modelo e calcule e exporte os resultados.

Aceita inserção manual, colar tabelas, arquivos CSV/TSV/TXT e dados de exemplo. Em uploads em lote, todos os arquivos são processados; a interface mostra só os 20 primeiros para verificação.

Ajuste OLS R² / coef. de correlação Resíduos e outliers Relatório / CSV / gráficos Configurações salvas

Arquivos em lote Nenhum arquivo selecionado

Após enviar vários arquivos CSV, TSV ou TXT, os 20 primeiros nomes serão exibidos aqui. No cálculo em lote, todos os relatórios serão gerados e baixados em pacote.

Dados de entrada

Escolha uma fonte de dados. Cada linha precisa de um par X e Y; pode incluir cabeçalho. O sistema detecta vírgula, Tab, espaço e ponto e vírgula.

Tabela de dados Regressão linear: mín. 2 pontos; polinomial: mais que o grau

N.º	Valor X	Valor Y	Ações

Colar dados X/Y Suporta separação por vírgula, espaço, Tab ou ponto e vírgula

Dados em lote

Carregar arquivo de dados É possível selecionar vários arquivos; a interface mostra os 20 primeiros

Clique para selecionar ou arraste arquivos aqui Suporta .csv, .tsv, .txt. A 1ª coluna é X e a 2ª é Y; pode conter cabeçalho.

Dados de exemplo Pode carregar e calcular direto

Definir modelo

Recomenda-se calcular primeiro a regressão linear e depois usar o gráfico de dispersão, R² e a distribuição dos resíduos para decidir se é preciso ajuste polinomial.

Modelo de regressãoQuanto maior o grau do polinômio, maior a atenção ao sobreajuste

Tipo de modelo

Grau personalizado

Casas decimais

Nível de confiança

Limite de valor atípico

Valores X para previsão

Exibição e diagnósticoMarque o que deve aparecer nos resultados e relatórios

Dispersão e linha de ajuste Banda de confiança Análise de resíduos Detecção de outliers Estatísticas descritivas Comparação de modelos grau 1-3

Calcular e exportar

Após calcular, veja equação, métricas, gráficos, resíduos e previsões. Se houver vários arquivos, os resultados em lote serão gerados também.

Exportar resultadosCalcule antes de baixar o relatório ou gráficos

Defina os dados e o modelo antes de clicar em “Calcular regressão”.

Dispersão e linha de ajuste

Aguardando resultadosDefina dados e modelo antes de gerar o gráfico de regressão.

Equação de regressão-

Correlação r-

Coef. de determinação R²-

Erro padrão SE-

Estatísticas principais

Coeficientes e intervalos

Resultados da previsão

Estatísticas descritivas

Análise de resíduos

Comparação de modelos

Prévia dos resultados em lote

Instruções

Instruções de uso do software

Dados de entrada: você pode optar por inserir manualmente, colar dados ou enviar arquivos CSV, TSV ou TXT. Preencha uma combinação de valor X e valor Y por linha; o arquivo pode conter cabeçalho.
Selecionar modelo: há suporte para regressão linear, polinômio de segundo grau, polinômio de terceiro grau e grau personalizado. Recomenda-se usar primeiro a regressão linear e depois verificar, com o gráfico de dispersão e os resíduos, se é necessário aplicar ajuste de curva.
Configurar parâmetros: você pode definir casas decimais, nível de confiança, limite de valores atípicos e escolher se deseja exibir gráfico de dispersão, faixa de confiança, análise de resíduos, detecção de valores atípicos, estatísticas descritivas e comparação de modelos.
Informar valores de previsão: se precisar prever valores de Y, insira um ou mais valores de X em “Valores de X para previsão”, separados por vírgulas.
Iniciar cálculo: clique em “Iniciar cálculo da análise de regressão” e o sistema gerará a equação de regressão, coeficiente de correlação, R², R² ajustado, erro padrão, estatística F, valor p, resíduos e gráficos.
Exportar resultados: após concluir o cálculo, você pode copiar a equação, baixar o relatório TXT e os dados CSV, exportar gráficos em PNG ou SVG; arquivos em lote gerarão um pacote de resultados ZIP.

Perguntas frequentes

R: A regressão linear requer pelo menos 2 pontos de dados válidos; a regressão polinomial requer que o número de pontos de dados seja maior que o grau do modelo. Quanto maior a quantidade de dados, geralmente mais estáveis são os resultados.

R: O coeficiente de correlação r descreve a direção e a intensidade da correlação linear entre X e Y; R² indica a proporção da variação dos valores de Y explicada pelo modelo. Na regressão linear, R² geralmente está relacionado ao quadrado de r.

R: Quando o gráfico de dispersão apresentar uma tendência curva evidente, ou quando o gráfico de resíduos mostrar uma curvatura sistemática, você pode tentar regressão polinomial de segundo ou terceiro grau. O grau não deve ser muito alto, para evitar sobreajuste aos dados existentes.

R: O resíduo é a diferença entre o valor real de Y e o valor previsto de Y. Observar os resíduos ajuda a avaliar se o modelo é adequado e também permite identificar pontos de dados com grande desvio.

R: Recomenda-se que os arquivos CSV, TSV ou TXT contenham duas colunas: a primeira com os valores X e a segunda com os valores Y. Cabeçalhos são suportados, assim como separadores por vírgula, Tab, espaço e ponto e vírgula.

R: O intervalo de confiança da média é usado para estimar a faixa de resposta média do modelo; o intervalo de previsão de ponto único é usado para estimar a faixa de um novo valor observado individual, sendo este último geralmente mais amplo.