1001Ferramentas
📈Calculadoras

Regressão Linear (Mínimos Quadrados)

Ajusta uma reta y = a·x + b por mínimos quadrados a partir de pares (x, y). Mostra coeficiente angular, linear e R².

Regressão linear simples: ajustando y = a·x + b

A regressão linear simples ajusta uma reta y = a·x + b a um conjunto de pares (x, y) minimizando a soma dos quadrados dos resíduos (mínimos quadrados ordinários, OLS). Solução fechada: a = Σ((xᵢ − x̄)(yᵢ − ȳ)) / Σ(xᵢ − x̄)² e b = ȳ − a·x̄. O coeficiente de determinação R² = 1 − SS_res / SS_tot mede o ajuste numa escala de 0 a 1. O teorema de Gauss-Markov garante que o OLS é o melhor estimador linear não enviesado quando os resíduos são normais, homocedásticos e independentes — os quatro pressupostos clássicos. Método introduzido por Legendre (1805) e analisado rigorosamente por Gauss (1809). Exemplo: pares (1,2), (2,3), (3,5), (4,6), (5,8) dão a ≈ 1,5, b ≈ 0,3, R² ≈ 0,987.

Aplicações

Previsão de vendas a partir do gasto em marketing, machine learning clássico (sklearn.linear_model.LinearRegression), física experimental (lei de Hooke F = k·x estimada ajustando pontos de medição), modelos econométricos (curva de Phillips, estimação de oferta e demanda) e qualquer análise exploratória rápida quando se quer uma relação de base entre duas variáveis.

Perguntas frequentes

O que R² significa exatamente? A fração da variância em y explicada por x. R² = 0,85 indica que a reta explica 85% da variação; os 15% restantes são resíduo.

R² alto implica causalidade? Não. A regressão capta associação, não causa. Correlações espúrias podem dar excelente ajuste sem nenhum vínculo causal.

E se a relação for não linear? O OLS vai subajustar. Aplique uma transformação (log, raiz quadrada), use regressão polinomial ou parta para modelos não lineares como splines e árvores de decisão.

Múltiplos preditores? Estenda para regressão linear múltipla: y = a₁x₁ + a₂x₂ + … + b. A forma matricial β̂ = (XᵀX)⁻¹Xᵀy generaliza a solução fechada.

Ferramentas Relacionadas

📉

Calculadora de regressão linear coeficientes MQO

Calcula os coeficientes da regressão linear simples por mínimos quadrados ordinários a partir dos pares de pontos.

📐

Regressão Linear y = ax + b

Ajusta reta y = ax + b por mínimos quadrados a partir de pares X, Y.

🔗

Correlação Linear (Pearson r)

Calcule o coeficiente de correlação de Pearson (r) entre dois conjuntos de dados e meça a força da relação linear, de -1 a +1. Ideal para estatística e pesquisa.

🔩

Avanço de Fuso (Lead)

Calcula o avanço (lead) de um fuso de esferas ou parafuso de potência, Lead = passo · número de entradas, a distância linear percorrida pela porca a cada volta completa do fuso. Num fuso de entrada simples, o avanço é igual ao passo; com múltiplas entradas, o avanço aumenta proporcionalmente, permitindo mais velocidade linear com a mesma rotação. É a base da conversão entre rotação e deslocamento em CNC e atuadores lineares. Informe o passo e o número de entradas.

📈

Calculadora de Odds Ratio de Regressao Logistica

Calcula odds ratio a partir do coeficiente beta de regressao logistica.

🧨

Carga Linear de Explosivo

Calcula a densidade linear de carregamento de um furo de desmonte, q = (π/4) × d² × ρ, a partir do diâmetro do furo d (mm) e da densidade do explosivo ρ (g/cm³). O resultado, em kg de explosivo por metro de furo, é quanto explosivo cabe em cada metro de coluna carregada — parâmetro central do projeto de desmonte de rochas. Multiplicado pela altura de carga do furo, dá a carga por furo; combinado com o volume de rocha desmontado, dá a razão de carga (powder factor). Diâmetros maiores e explosivos mais densos elevam a carga linear. Informe o diâmetro do furo e a densidade do explosivo.

Os resultados desta ferramenta têm caráter apenas informativo e educativo e não constituem aconselhamento profissional, financeiro, médico, jurídico, tributário ou contábil. Confirme decisões importantes com um profissional qualificado e fontes oficiais.