Qual é a diferença entre um intervalo de confiança e um intervalo de predição?

Ambos são centrados no valor previsto de Y. O intervalo de confiança de 95% indica onde provavelmente está a média de Y para esse valor de X; o intervalo de predição de 95% indica onde provavelmente ficará uma nova observação individual, por isso é sempre mais amplo. Insira um ou mais valores de X para obter ambos os intervalos para cada um.

Como sei se a inclinação da regressão é significativa?

Observe o valor de p da inclinação: ele testa se a inclinação verdadeira poderia ser zero. Abaixo de 0,05, X é um preditor significativo de Y no nível usual de 5%. A calculadora mostra a inclinação, o erro-padrão, a estatística t, o valor de p e o intervalo de confiança de 95%, além do teste F, e gera uma frase no estilo APA que você pode copiar.

Calculadora de Regressão Linear

Ajuste uma relação linear a dados pareados com a Calculadora de Regressão Linear do MiniWebtool. O resultado inclui inclinação, intercepto, R², um gráfico de dispersão e previsões baseadas na reta ajustada, com etapas da fórmula para examinar o cálculo.

Precisa de ajuda com esta ferramenta? Pergunte à IA

Gemini (copiar e abrir)

No Gemini, cole a pergunta copiada no chat. Você também pode copiá-la abaixo.

Ver a pergunta

Quero entender como usar a ferramenta Calculadora de Regressão Linear do MiniWebtool: https://miniwebtool.com/br/calculadora-de-regress%C3%A3o-linear/. Para que ela serve, quais dados ou configurações preciso informar e como uso a ferramenta e interpreto o resultado? Mostre um exemplo simples, passo a passo. Use esta página como fonte e responda em português do Brasil.

3 usos grátis por diaSem cadastroResultados instantâneos

Calculadora de Regressão LinearExperimente agora — grátis ▼

A reta de melhor ajuste deixa os quadrados dos resíduos o menor possível

Digite seus valores de X e Y abaixo para obter a equação de regressão, a inclinação, o intercepto e o R², com gráfico de dispersão, previsões e os passos.

Tente Conjuntos de Dados de Exemplo

📋 Cole duas colunas de uma planilha

X na primeira coluna e Y na segunda; use tabulações, vírgulas ou espaços como separadores. A primeira linha, se for um cabeçalho, é ignorada. Se esta caixa contiver dados, as duas listas abaixo serão ignoradas.

Variável Independente (X) - Digite números separados por vírgula, espaço ou quebra de linha

Variável Dependente (Y) - Deve ter o mesmo número de valores que X

Prediga Y para um Valor de X (Opcional)

Precisão Decimal

Embed Calculadora de Regressão Linear Widget

Calculadora de Regressão Linear

Bem-vindo ao Calculadora de Regressão Linear, uma ferramenta estatística abrangente que calcula a linha de regressão dos mínimos quadrados, coeficiente de correlação, R-quadrado e fornece visualização interativa de gráfico de dispersão com análises passo a passo das fórmulas. Seja você analisando dados para pesquisa, previsão de negócios ou estudos acadêmicos, esta calculadora oferece análise estatística de nível profissional.

Resumo rápido

A Calculadora de Regressão Linear ajusta uma reta de mínimos quadrados, Y = b0 + b1X, a dados pareados de X e Y. Informa a inclinação, o intercepto, a correlação r e o R-quadrado, e mostra um gráfico de dispersão com a reta ajustada.

Calculadora de Regressão Linear: recursos em resumo
Recurso	O que você obtém	Indicado para
Entrada de dados	Permite inserir valores de X e de Y separados por vírgulas, espaços ou quebras de linha. As duas listas devem ter o mesmo número de valores.	Colando medições pareadas de uma planilha
Reta de regressão	Fornece a equação de mínimos quadrados com inclinação b1 e intercepto b0, obtidos pela minimização dos resíduos ao quadrado.	Modelando como Y muda com X
Correlação e R-quadrado	Informa r, de -1 a +1, e o R-quadrado, a parcela da variância de Y explicada por X.	Avaliando a força e a direção de uma relação linear
Previsão	Aceita um valor opcional de X para obter o Y previsto pela reta ajustada.	Estimando um valor que não está nos dados
Gráfico de dispersão	Um gráfico de dispersão interativo com a reta de regressão traçada pelos pontos.	Vendo quão bem uma reta se ajusta
Análise de resíduos	Um gráfico dos resíduos, ou seja, o Y observado menos o Y previsto, para cada ponto.	Identificando padrões que sugerem um mau ajuste
Estatísticas extras	Erro padrão da estimativa, erro padrão da inclinação e somas de quadrados total, de regressão e residual, com o número de casas decimais escolhido.	Trabalhos de estatística e relatórios de pesquisa

O que é Regressão Linear?

Regressão linear é um método estatístico fundamental usado para modelar a relação entre uma variável dependente (Y) e uma variável independente (X) ajustando uma equação linear aos dados observados. O método encontra a linha de melhor ajuste através dos pontos de dados minimizando a soma dos resíduos ao quadrado (diferenças entre valores observados e preditos).

A Equação de Regressão

Modelo de Regressão Linear Simples

$$\hat{Y} = b_0 + b_1 X$$

Onde:

Y (ou Y-chapéu) = Valor predito da variável dependente
X = Variável independente (preditor)
b₀ = Intercepto em Y (valor de Y quando X = 0)
b₁ = Inclinação (mudança em Y para cada mudança de unidade em X)

Como Calcular Regressão Linear

Calculando a Inclinação (b₁)

Fórmula da Inclinação

$$b_1 = \frac{n\sum x_i y_i - \sum x_i \sum y_i}{n\sum x_i^2 - (\sum x_i)^2}$$

Calculando o Intercepto em Y (b₀)

Fórmula do Intercepto

$$b_0 = \bar{y} - b_1 \bar{x}$$

Onde x-barra e y-barra são as médias de X e Y respectivamente.

Compreendendo Correlação e R-Quadrado

Coeficiente de Correlação (r)

O coeficiente de correlação mede a força e a direção da relação linear entre X e Y. Varia de -1 a +1:

Calculadora de Regressão Linear: Coeficiente de Correlação (r)
Valor de r	Interpretação
0.9 a 1.0	Correlação positiva muito forte
0.7 a 0.9	Correlação positiva forte
0.5 a 0.7	Correlação positiva moderada
0.3 a 0.5	Correlação positiva fraca
-0.3 a 0.3	Pouca ou nenhuma correlação
-0.5 a -0.3	Correlação negativa fraca
-0.7 a -0.5	Correlação negativa moderada
-0.9 a -0.7	Correlação negativa forte
-1.0 a -0.9	Correlação negativa muito forte

R-Quadrado (Coeficiente de Determinação)

R-quadrado (R²) indica a proporção da variância em Y que é explicada por X. Por exemplo, R² = 0.85 significa que 85% da variância em Y pode ser explicada pela relação linear com X.

Fórmula de R-Quadrado

$$R^2 = r^2 = 1 - \frac{SS_{residual}}{SS_{total}}$$

Como Usar Esta Calculadora

Digite valores de X: Digite seus dados da variável independente na primeira área de texto, separados por vírgulas, espaços ou quebras de linha.
Digite valores de Y: Digite seus dados da variável dependente na segunda área de texto. O número de valores de Y deve corresponder aos valores de X.
Predição (opcional): Digite um valor de X para prever o valor Y correspondente usando a equação de regressão.
Defina a precisão: Escolha o número de casas decimais para os resultados.
Calcule: Clique no botão Calcular para ver a equação de regressão, gráfico de dispersão, estatísticas de correlação e cálculos passo a passo.

Compreendendo Seus Resultados

Resultados Primários

Equação de Regressão: A equação da linha de melhor ajuste (Y = b₀ + b₁X)
Inclinação (b₁): A taxa de mudança em Y para cada mudança de unidade em X
Intercepto (b₀): O valor Y predito quando X é igual a zero
Correlação (r): A força e a direção da relação linear
R-quadrado (R²): A proporção da variância explicada pelo modelo

Estatísticas Adicionais

Erro Padrão da Estimativa: Distância média dos pontos de dados da linha de regressão
Erro Padrão da Inclinação: Incerteza na estimativa da inclinação
Soma dos Quadrados: Total, regressão e soma de quadrados residual
Resíduos: Diferenças entre os valores Y observados e preditos

Aplicações de Regressão Linear

Negócios e Finanças

Previsão de vendas com base no gasto em publicidade
Predição de preços de ações a partir de indicadores de mercado
Estimativa de custos com base no volume de produção

Ciência e Pesquisa

Analisar relações experimentais entre variáveis
Calibrar instrumentos de medição
Estudar relações dose-resposta em farmacologia

Economia

Modelar relações de oferta e demanda
Analisar o efeito das taxas de juros no investimento
Estudar padrões de renda vs. consumo

Ciências Sociais

Pesquisa educacional (horas de estudo vs. notas em testes)
Estudos de psicologia (idade vs. tempo de reação)
Demografia (população vs. consumo de recursos)

Pressupostos de Regressão Linear

Para resultados confiáveis, a regressão linear assume:

Linearidade: A relação entre X e Y é linear
Independência: As observações são independentes umas das outras
Homocedasticidade: Os resíduos têm variância constante em todos os valores de X
Normalidade: Os resíduos são aproximadamente distribuídos normalmente
Sem multicolinearidade: (Para regressão múltipla) As variáveis independentes não são altamente correlacionadas

Perguntas Frequentes

O que é regressão linear?

Regressão linear é um método estatístico usado para modelar a relação entre uma variável dependente (Y) e uma variável independente (X) ajustando uma equação linear aos dados observados. A equação tem a forma Y = b₀ + b₁X, onde b₀ é o intercepto em Y e b₁ é a inclinação. Ela encontra a linha de melhor ajuste que minimiza a soma das diferenças quadradas entre valores observados e preditos.

Como interpretar a inclinação na regressão linear?

A inclinação (b₁) representa a mudança na variável dependente Y para cada aumento de uma unidade na variável independente X. Uma inclinação positiva indica que Y aumenta conforme X aumenta, enquanto uma inclinação negativa indica que Y diminui conforme X aumenta.

O que é R-quadrado e o que significa?

R-quadrado (R²), também chamado de coeficiente de determinação, mede o quão bem a linha de regressão se ajusta aos dados. Ele varia de 0 a 1, onde 0 significa que o modelo não explica nenhuma variabilidade e 1 significa que explica toda a variabilidade. Geralmente, R² acima de 0.7 indica um bom ajuste.

Qual é a diferença entre correlação (r) e R-quadrado?

O coeficiente de correlação (r) mede a força e a direção da relação linear, variando de -1 a +1. R-quadrado (R²) é r², representando a proporção de variância explicada. Enquanto r informa a direção (relação positiva ou negativa), R² apenas informa quanto da variância é explicada.

Quantos pontos de dados preciso para regressão linear?

Tecnicamente, você precisa de pelo menos 2 pontos de dados, mas para análise estatística significativa, você deve ter pelo menos 10-20 pontos de dados. Mais pontos de dados geralmente levam a estimativas mais confiáveis.

O que são resíduos na regressão linear?

Resíduos são as diferenças entre os valores Y observados e preditos (resíduo = Y observado - Y predito). Analisar resíduos ajuda a avaliar o ajuste do modelo. Idealmente, os resíduos devem estar aleatoriamente distribuídos ao redor de zero sem nenhum padrão claro.

Como faço uma previsão usando uma equação de regressão linear?

Use a equação ajustada substituindo o valor de X que deseja prever. Por exemplo, se a reta for Y previsto = 12 + 3X, um valor de X igual a 5 dá Y previsto = 27. Informar um valor opcional de X na Calculadora de Regressão Linear fornece uma previsão com base na reta calculada. Considere-a uma estimativa e tenha cautela se o X solicitado estiver muito fora dos valores dos seus dados, pois o padrão linear pode não continuar.

Por que o intercepto da minha regressão é negativo se todas as minhas medições são positivas?

O intercepto é o valor de Y previsto pela reta quando X é zero, o que pode estar fora do intervalo medido. Portanto, pode haver um intercepto negativo mesmo se todos os valores observados de X e Y forem positivos. Por exemplo, uma reta ajustada a medições em que X varia de 10 a 20 pode cruzar o eixo Y abaixo de zero. Esse é um componente matemático da equação ajustada e pode ter pouco significado prático se X não puder realmente ser zero.

A regressão linear pode provar que X causa mudanças em Y?

Não. A regressão linear descreve e prevê uma associação nos dados, mas a reta ajustada, por si só, não demonstra que mudar X causa uma mudança em Y. Um terceiro fator, efeitos de seleção ou a maneira como os dados foram coletados podem explicar parte ou toda a relação. Por exemplo, as vendas de sorvete e a prática de natação podem aumentar juntas porque ambas estão associadas ao clima quente. Antes de afirmar que há causalidade, considere o desenho do estudo e o conhecimento do assunto.

Recursos Adicionais

Cite este conteúdo, página ou ferramenta como:

"Calculadora de Regressão Linear" em https://MiniWebtool.com/br/calculadora-de-regressão-linear/ de MiniWebtool, https://MiniWebtool.com/

by miniwebtool team. Updated: Jan 17, 2026

API para desenvolvedores disponível: Execute esta ferramenta no seu app, automação ou agente com uma requisição HTTP JSON. Ver documentação da API

Converse com sua IA favorita

Gemini (copiar e abrir)

No Gemini, cole a pergunta copiada no chat. Você também pode copiá-la abaixo.

Ver a pergunta

Quero entender como usar a ferramenta Calculadora de Regressão Linear do MiniWebtool: https://miniwebtool.com/br/calculadora-de-regress%C3%A3o-linear/. Para que ela serve, quais dados ou configurações preciso informar e como uso a ferramenta e interpreto o resultado? Mostre um exemplo simples, passo a passo. Use esta página como fonte e responda em português do Brasil.

Calculadora de Regressão Linear

Calculadora de Regressão Linear

Resumo rápido

O que é Regressão Linear?

A Equação de Regressão

Como Calcular Regressão Linear

Calculando a Inclinação (b₁)

Calculando o Intercepto em Y (b₀)

Compreendendo Correlação e R-Quadrado

Coeficiente de Correlação (r)

R-Quadrado (Coeficiente de Determinação)

Como Usar Esta Calculadora

Compreendendo Seus Resultados

Resultados Primários

Estatísticas Adicionais

Aplicações de Regressão Linear

Negócios e Finanças

Ciência e Pesquisa

Economia

Ciências Sociais

Pressupostos de Regressão Linear

Perguntas Frequentes

O que é regressão linear?

Como interpretar a inclinação na regressão linear?

O que é R-quadrado e o que significa?

Qual é a diferença entre correlação (r) e R-quadrado?

Quantos pontos de dados preciso para regressão linear?

O que são resíduos na regressão linear?

Como faço uma previsão usando uma equação de regressão linear?

Por que o intercepto da minha regressão é negativo se todas as minhas medições são positivas?

A regressão linear pode provar que X causa mudanças em Y?

Recursos Adicionais

Converse com sua IA favorita

Estatísticas e análise de dados:

Ferramentas populares e atualizadas:

Baixe tudo em um único ZIP com o Pro