Intermediate

Lineaarisen regression laskuri

Sovita paras suora paritettuun dataasi ja ennusta uusia arvoja pienimmän neliösumman regressiolla.
Comma or space separated
Must match the count of X values
Optional
Slope (b)
0,8000

Yhtälö: y = 0,8x + 1,8

Intercept (a)
1,8
0,7273
Predicted y at x = 6
6,6
DataDataDataDataData
Step by step
  1. 1

    Mean of X (x̄)

    sum of X ÷ 5 = 3
  2. 2

    Mean of Y (ȳ)

    sum of Y ÷ 5 = 4,2
  3. 3

    Σ(x − x̄)(y − ȳ)

    8
    Sum of cross-deviations; numerator of the slope formula.
  4. 4

    Σ(x − x̄)²

    10
    Sum of squared x-deviations; denominator of the slope.
  5. 5

    Slope b = Σ(x−x̄)(y−ȳ) ÷ Σ(x−x̄)²

    8 ÷ 10 = 0,8000
Tulokset ovat arvioita ja tarkoitettu vain yleiseen tiedoksi, eivätkä ne ole ammattilaisen neuvoja — varmista aina tärkeät tulokset itsenäisesti ennen kuin luotat niihin. Lue koko vastuuvapauslauseke.
Pikavastaus

Miten tämä laskin toimii?

Lineaarinen regressio löytää pienimmän neliösumman suoran y = bx + a datasi läpi. Kulmakerroin b = Σ(x−x̄)(y−ȳ)/Σ(x−x̄)² ja vakiotermi a = ȳ − b·x̄. R² mittaa sovituksen laatua välillä 0–1, ja ŷ = a + b·x ennustaa uusia arvoja mille tahansa antamallesi x:lle.

Kaava
b = Σ(x−x̄)(y−ȳ) / Σ(x−x̄)²; a = ȳ − b·x̄; ŷ = a + b·x
How this is calculated

Syötä X-arvosi ja vastaavat Y-arvot pilkuin tai välilyönnein erotettuina listoina; molemmissa listoissa on oltava sama pituus ja vähintään kaksi pistettä. Kukin X paritetaan samassa kohdassa olevan Y:n kanssa aineiston muodostamiseksi.

Kulmakerroin b lasketaan ristipoikkeamatulojen summana Σ(x−x̄)(y−ȳ) jaettuna X-poikkeamien neliösummalla Σ(x−x̄)². Vakiotermi on tällöin a = ȳ − b·x̄, joka sijoittaa suoran keskipisteen (x̄, ȳ) kautta. Korrelaatiokerroin r = Σ(x−x̄)(y−ȳ) / √(Σ(x−x̄)²·Σ(y−ȳ)²), ja R² = r² raportoi suoran selittämän Y:n varianssin osuuden.

Valinnainen ennustekenttä arvioi ŷ = a + b·x₀ missä tahansa valitsemassasi X:ssä. Huomaa, että pienin neliösumma olettaa suunnilleen lineaarisen yhteyden ja on herkkä poikkeaville havainnoille; pystysuora (nolla X-varianssin) aineisto ei anna määriteltyä kulmakerrointa eikä palauta tulosta. Lähellä arvoa 1 oleva R² osoittaa tiivistä sovitusta, kun taas lähellä nollaa olevat arvot osoittavat vähäistä lineaarista yhteyttä.

Usein kysytyt kysymykset

R² (selitysaste) on korrelaatiokertoimen neliö ja vaihtelee välillä 0–1. Se on sovitetun suoran selittämä osuus Y:n vaihtelusta; 1 on täydellinen sovitus ja 0 tarkoittaa, ettei lineaarista yhteyttä ole.

Vähintään kaksi pistettä vaaditaan suoran määrittämiseen. Useammat pisteet antavat luotettavamman sovituksen. X- ja Y-listoissa on oltava sama määrä arvoja.

Näin käy, jos listoissa on vähemmän kuin kaksi vastaavaa arvoa, ne sisältävät ei-numeerisia merkintöjä tai kaikki X-arvot ovat samat (nolla varianssi), mikä tekee kulmakertoimesta määrittelemättömän.

Tunnetaan myös nimellä

lineaarinen regressio
lineaarinen regressio laskuri
pienimmän neliösumman menetelmä
sovitettu suora
kulmakerroin leikkauspiste
regressio laskuri

APA

TG we-Calculate Editorial Team. (2026). Lineaarisen regression laskuri [Online calculator]. TG we-Calculate. https://we-calculate.com/fi/calculator/linear-regression-calculator

Chicago

TG we-Calculate Editorial Team. "Lineaarisen regression laskuri." TG we-Calculate. 2026. https://we-calculate.com/fi/calculator/linear-regression-calculator.

IEEE

TG we-Calculate Editorial Team, "Lineaarisen regression laskuri," TG we-Calculate, 2026. [Online]. Available: https://we-calculate.com/fi/calculator/linear-regression-calculator

BibTeX

@misc{wecalculate_linear_regression_calculator, title = {Lineaarisen regression laskuri}, author = {{TG we-Calculate Editorial Team}}, howpublished = {\url{https://we-calculate.com/fi/calculator/linear-regression-calculator}}, year = {2026}, note = {TG we-Calculate} }

Oliko tästä laskimesta sinulle apua?