Dal 2010 · Oltre 2 milioni di utilizzi degli strumenti ogni mese
Dal 2010
Aggiungi a Chrome

La Mia Cassetta Degli Attrezzi

Modalità Automatica

Nessuno strumento salvato.

Aggiorna alla Versione Premium
Strumenti correlati
Calcolatore Coefficiente di CorrelazioneCalcolatore di Correlazione per Ranghi di SpearmanCalcolatore Equazione della RettaCalcolatore Forma Punto-PendenzaConvertitore da Forma Standard a Forma Pendenza-Intercetta
Pagina Iniziale > Matematica > Statistiche e analisi dati
 

Calcolatrice di Regressione Lineare

Calcola l'equazione di regressione lineare, pendenza, intercetta, R quadrato, e realizza previsioni con visualizzazione interattiva del grafico di dispersione e ripartizione della formula passo dopo passo.

Utilizzo gratuitoSenza registrazioneAggiornato gen 2026
Calcolatrice di Regressione LineareProvalo ora — gratis ▼
Prova Set di Dati di Esempio

Embed Calcolatrice di Regressione Lineare Widget

Calcolatrice di Regressione Lineare

Benvenuto nel Calcolatrice di Regressione Lineare, uno strumento statistico completo che calcola la linea di regressione ai minimi quadrati, il coefficiente di correlazione, R-quadrato, e fornisce visualizzazione interattiva del grafico di dispersione con ripartizione della formula passo dopo passo. Sia che tu stia analizzando dati per la ricerca, previsioni commerciali o studi accademici, questo calcolatore offre un'analisi statistica di livello professionale.

Che cos'è la Regressione Lineare?

La regressione lineare è un metodo statistico fondamentale utilizzato per modellare la relazione tra una variabile dipendente (Y) e una variabile indipendente (X) adattando un'equazione lineare ai dati osservati. Il metodo trova la linea di adattamento migliore attraverso i punti dati minimizzando la somma dei residui quadratici (differenze tra i valori osservati e previsti).

L'Equazione di Regressione

Modello di Regressione Lineare Semplice
$$\hat{Y} = b_0 + b_1 X$$

Dove:

Come Calcolare la Regressione Lineare

Calcolo della Pendenza (b₁)

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

Calcolo dell'Intercetta Y (b₀)

Formula dell'Intercetta
$$b_0 = \bar{y} - b_1 \bar{x}$$

Dove x-bar e y-bar sono le medie di X e Y rispettivamente.

Comprendere Correlazione e R-Quadrato

Coefficiente di Correlazione (r)

Il coefficiente di correlazione misura la forza e la direzione della relazione lineare tra X e Y. Varia da -1 a +1:

Valore rInterpretazione
0.9 a 1.0Correlazione positiva molto forte
0.7 a 0.9Correlazione positiva forte
0.5 a 0.7Correlazione positiva moderata
0.3 a 0.5Correlazione positiva debole
-0.3 a 0.3Poca o nessuna correlazione
-0.5 a -0.3Correlazione negativa debole
-0.7 a -0.5Correlazione negativa moderata
-0.9 a -0.7Correlazione negativa forte
-1.0 a -0.9Correlazione negativa molto forte

R-Quadrato (Coefficiente di Determinazione)

L'R-quadrato (R²) indica la proporzione della varianza in Y che è spiegata da X. Ad esempio, R² = 0.85 significa che l'85% della varianza in Y può essere spiegata dalla relazione lineare con X.

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

Come Usare Questo Calcolatore

  1. Inserisci valori X: Immetti i dati della variabile indipendente nella prima area di testo, separati da virgole, spazi o interruzioni di riga.
  2. Inserisci valori Y: Immetti i dati della variabile dipendente nella seconda area di testo. Il numero di valori Y deve corrispondere ai valori X.
  3. Previsione (facoltativa): Immetti un valore X per prevedere il corrispondente valore Y utilizzando l'equazione di regressione.
  4. Imposta la precisione: Scegli il numero di cifre decimali per i risultati.
  5. Calcola: Fai clic sul pulsante Calcola per visualizzare l'equazione di regressione, il grafico di dispersione, le statistiche di correlazione e i calcoli passo dopo passo.

Comprensione dei Tuoi Risultati

Risultati Primari

Statistiche Aggiuntive

Applicazioni della Regressione Lineare

Business e Finanza

Scienza e Ricerca

Economia

Scienze Sociali

Assunzioni della Regressione Lineare

Per risultati affidabili, la regressione lineare assume:

  1. Linearità: La relazione tra X e Y è lineare
  2. Indipendenza: Le osservazioni sono indipendenti l'una dall'altra
  3. Omoschedasticità: I residui hanno varianza costante in tutti i valori X
  4. Normalità: I residui sono approssimativamente distribuiti normalmente
  5. Nessuna multicollinearità: (Per la regressione multipla) Le variabili indipendenti non sono altamente correlate

Domande Frequenti

Che cos'è la regressione lineare?

La regressione lineare è un metodo statistico utilizzato per modellare la relazione tra una variabile dipendente (Y) e una variabile indipendente (X) adattando un'equazione lineare ai dati osservati. L'equazione assume la forma Y = b₀ + b₁X, dove b₀ è l'intercetta y e b₁ è la pendenza. Trova la linea di adattamento migliore che minimizza la somma delle differenze quadrate tra i valori osservati e previsti.

Come interpreto la pendenza nella regressione lineare?

La pendenza (b₁) rappresenta il cambiamento della variabile dipendente Y per ogni aumento di una unità nella variabile indipendente X. Una pendenza positiva indica che Y aumenta quando X aumenta, mentre una pendenza negativa indica che Y diminuisce quando X aumenta.

Che cos'è l'R-quadrato e cosa significa?

L'R-quadrato (R²), anche chiamato coefficiente di determinazione, misura quanto bene la linea di regressione si adatta ai dati. Varia da 0 a 1, dove 0 significa che il modello non spiega alcuna variabilità e 1 significa che spiega tutta la variabilità. In generale, R² superiore a 0.7 indica un buon adattamento.

Qual è la differenza tra correlazione (r) e R-quadrato?

Il coefficiente di correlazione (r) misura la forza e la direzione della relazione lineare, variando da -1 a +1. L'R-quadrato (R²) è r², che rappresenta la proporzione della varianza spiegata. Mentre r ti dice la direzione (relazione positiva o negativa), R² ti dice solo quanto della varianza è spiegata.

Quanti punti dati mi servono per la regressione lineare?

Tecnicamente, hai bisogno di almeno 2 punti dati, ma per un'analisi statistica significativa, dovresti avere almeno 10-20 punti dati. Più punti dati in genere portano a stime più affidabili.

Cosa sono i residui nella regressione lineare?

I residui sono le differenze tra i valori Y osservati e i valori Y previsti (residuo = Y osservato - Y previsto). L'analisi dei residui aiuta a valutare l'adattamento del modello. Idealmente, i residui dovrebbero essere distribuiti casualmente intorno a zero senza alcun modello chiaro.

Risorse Aggiuntive

Cita questo contenuto, pagina o strumento come:

"Calcolatrice di Regressione Lineare" su https://MiniWebtool.com/it/calcolatrice-di-regressione-lineare/ di MiniWebtool, https://MiniWebtool.com/

da miniwebtool team. Aggiornato: 17 gen 2026

API per sviluppatori disponibile: Esegui questo strumento dalla tua app, automazione o agente con una richiesta HTTP JSON. Vedi documentazione API

Puoi anche provare il nostro Risolutore di Matematica AI GPT per risolvere i tuoi problemi matematici attraverso domande e risposte in linguaggio naturale.

Statistiche e analisi dati:

Strumenti popolari e aggiornati:

Risolutore di Equazioni LineariRisolutore di Sistemi di Equazioni LineariRisolutore di Programmazione LineareVedi tutti →
Pagina Iniziale > Matematica > Statistiche e analisi dati > Calcolatrice di Regressione Lineare