Vložte dva sloupce párových měření a získejte Pearsonův korelační koeficient r — jak silně se obě proměnné pohybují společně v přímočarém vzoru — plus r² a součty připravené pro regresi.
Ne — nejdůležitější varování kalkulačky. Korelace může vzniknout příčinností v obou směrech, třetí proměnnou ovlivňující obojí, nebo náhodou v malých vzorcích. r měří společný pohyb, nic víc.
Běžné pravidlo: |r| pod 0.3 slabé, 0.3–0.7 střední, nad 0.7 silné. Kontext záleží — 0.4 může být důležité v medicíně a bezvýznamné ve fyzice.
Pearsonovo r vidí pouze přímočaré vzory. Dokonalý tvar U může skórovat r ≈ 0. Vždy data zobrazte do grafu (kalkulačka lineární regrese kreslí bodový graf), než budete věřit samotnému r.
Podíl rozptylu y lineárně vysvětlený x. r = 0.775 dává r² = 0.60 — asi 60 % variace y se v lineárním modelu shoduje s x.
r = Σ(x − x̄)(y − ȳ) ÷ √(Σ(x − x̄)² × Σ(y − ȳ)²). Čitatel (kovariance, nenormalizovaná) se škáluje rozptyly obou proměnných, což udržuje r v rozmezí [−1, 1].
Vstupy: x = [1,2,3,4,5], y = [2,4,5,4,5].
Kroky: 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.
Výsledek: r = 0.775, r² = 0.600.
Přidejte tuto kalkulačku na svůj vlastní web nebo blog — je zcela zdarma, nevyžaduje registraci a vždy zobrazuje nejnovější verzi. Zkopírujte kód níže a vložte ho na svou stránku tam, kde chcete, aby se kalkulačka objevila. Ponechání malého řádku s poděkováním “Powered by Loona Automation” pod vložením pomáhá udržet tento nástroj zdarma — ale můžete ho libovolně upravit nebo odstranit; nástroj funguje tak jako tak.