জোড়া পরিমাপের দুটি কলাম বসান এবং পেয়ে যান Pearson-এর correlation coefficient r — দুটি চলক সরলরৈখিক ধাঁচে কতটা শক্তভাবে একসঙ্গে ওঠানামা করে — সেই সঙ্গে r² ও রিগ্রেশনের জন্য প্রস্তুত যোগফলগুলো।
না — এটিই ক্যালকুলেটরটির সবচেয়ে গুরুত্বপূর্ণ সতর্কবার্তা। পারস্পরিক সম্পর্ক তৈরি হতে পারে যেকোনো দিকের কার্যকারণ থেকে, তৃতীয় কোনো চলক দুটিকেই প্রভাবিত করার কারণে, অথবা ছোট নমুনার ক্ষেত্রে কাকতালীয়ভাবে। r শুধু একসঙ্গে ওঠানামাই মাপে, এর বেশি কিছু নয়।
একটি সাধারণ thumb rule: |r| 0.3-এর নিচে দুর্বল, 0.3–0.7 মাঝারি, 0.7-এর উপরে শক্তিশালী। প্রসঙ্গ গুরুত্বপূর্ণ — 0.4 চিকিৎসায় গুরুত্বপূর্ণ হতে পারে এবং পদার্থবিজ্ঞানে অর্থহীন হতে পারে।
Pearson r শুধু সরলরৈখিক ধরনই ধরতে পারে। নিখুঁত U-আকৃতির সম্পর্কেও r-এর মান ≈ 0 হতে পারে। তাই শুধু r-এর ওপর ভরসা করার আগে সবসময় ডেটা প্লট করে দেখুন (Linear Regression Calculator ছকবিন্দুচিত্রটি এঁকে দেয়)।
y-এর বিচ্যুতির যে অংশ x দিয়ে রৈখিকভাবে ব্যাখ্যা করা হয়। r = 0.775 দিলে r² = 0.60 — y-এর পরিবর্তনের প্রায় 60% রৈখিক মডেলে x-এর সঙ্গে মিলে যায়।
r = Σ(x − x̄)(y − ȳ) ÷ √(Σ(x − x̄)² × Σ(y − ȳ)²)। অংকটি (সহভেদাঙ্ক, অ-স্বাভাবিকীকৃত) দুটি চলকের বিস্তার দিয়েই স্কেল করা হয়, যা r-কে [−1, 1] পরিসরে আটকে রাখে।
ইনপুটসমূহ: x = [1,2,3,4,5], y = [2,4,5,4,5].
ধাপসমূহ: x̄ = 3, ȳ = 4। Σ(x−x̄)(y−ȳ) = (−2)(−2) + (−1)(0) + 0(1) + 1(0) + 2(1) = 4 + 0 + 0 + 0 + 2 = 6। Σ(x−x̄)² = 10। Σ(y−ȳ)² = 4 + 0 + 1 + 0 + 1 = 6। r = 6 ÷ √(10 × 6) = 6 ÷ 7.746 = 0.7746।
ফলাফল: r = 0.775, r² = 0.600.
এই calculator আপনার নিজের website বা blog-এ যোগ করুন — এটি সম্পূর্ণ free, কোনো sign-up লাগে না, এবং সবসময় সর্বশেষ version দেখায়। নিচের code copy করুন এবং আপনার পেজে যেখানে calculator দেখাতে চান সেখানে paste করুন। Embed-এর নিচে ছোট “Powered by Loona Automation” credit line রাখা এই tool-কে free রাখতে সাহায্য করে — কিন্তু আপনি এটি style করতে বা সরিয়ে ফেলতে স্বাধীন; tool যেভাবেই হোক কাজ করে।