Lim inn to kolonner med parvise målinger og få Pearsons korrelasjonskoeffisient r — hvor sterkt de to variablene beveger seg sammen i et rettlinjet mønster — pluss r² og summeringene som er klare for regresjon.
Nei — kalkulatorens viktigste advarsel. Korrelasjon kan oppstå fra kausalitet i begge retninger, fra en tredje variabel som driver begge, eller ved tilfeldigheter i små utvalg. r måler samvariasjon, ingenting mer.
En vanlig tommelfingerregel: |r| under 0.3 svak, 0.3–0.7 moderat, over 0.7 sterk. Sammenhengen teller — 0.4 kan være viktig i medisin og meningsløs i fysikk.
Pearson r ser bare rettlinjede mønstre. En perfekt U-form kan få r ≈ 0. Plott alltid dataene (den lineære regresjonskalkulatoren tegner spredningen) før du stoler på r alene.
Andelen av y sin varians som lineært forklares av x. r = 0.775 gir r² = 0.60 — omtrent 60% av variasjonen i y stemmer med x i den lineære modellen.
r = Σ(x − x̄)(y − ȳ) ÷ √(Σ(x − x̄)² × Σ(y − ȳ)²). Telleren (kovarians, ikke normalisert) skaleres med begge variablenes spredning, og det er det som fester r til intervallet [−1, 1].
Inndata: x = [1,2,3,4,5], y = [2,4,5,4,5].
Trinn: 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.
Resultat: r = 0.775, r² = 0.600.
Legg til denne kalkulatoren på ditt eget nettsted eller din egen blogg — den er helt gratis, krever ingen registrering, og viser alltid den nyeste versjonen. Kopier koden nedenfor og lim den inn på siden din der du vil at kalkulatoren skal vises. Å beholde den lille kreditteksten “Powered by Loona Automation” under innebyggingen bidrar til å holde dette verktøyet gratis — men du kan gjerne style eller fjerne den; verktøyet fungerer uansett.