Calculateur de Regression Lineaire

Ajuste une regression lineaire simple aux moindres carres et calcule pente, interception, R carre et predictions

Exemples de résultats

1 Exemples

Ajuster une ligne de tendance simple

Estime pente, interception et prediction depuis des paires x-y

{
  "result": {
    "slope": 0.6,
    "intercept": 2.2,
    "rSquared": 0.6,
    "predictedY": {
      "x": 6,
      "y": 5.8
    }
  }
}
Voir paramètres d'entrée
{ "pairedData": "1, 2\n2, 4\n3, 5\n4, 4\n5, 5", "xValues": "", "yValues": "", "predictionX": "6", "decimalPlaces": 4 }

Points clés

Catégorie
Maths, dates et finance
Types d’entrée
textarea, text, number
Type de sortie
json
Couverture des échantillons
4
API disponible
Yes

Vue d’ensemble

Ce calculateur de régression linéaire permet d'ajuster un modèle de moindres carrés ordinaires à vos données pour identifier des tendances statistiques. Il calcule instantanément la pente, l'ordonnée à l'origine, le coefficient de détermination (R²) et fournit des prédictions précises pour des valeurs X spécifiques.

Quand l’utiliser

  • •Analyser la corrélation entre deux variables numériques continues.
  • •Prédire une valeur future en se basant sur une tendance historique.
  • •Évaluer la force de la relation linéaire entre des données expérimentales.

Comment ça marche

  • •Saisissez vos paires de données (X, Y) ligne par ligne ou via les champs de valeurs séparés.
  • •Définissez optionnellement une valeur X pour obtenir une prédiction correspondante.
  • •Ajustez le nombre de décimales souhaité pour la précision des résultats.
  • •Le moteur calcule les paramètres statistiques et génère un rapport incluant la pente et le R².

Cas d’usage

Estimation de la croissance des ventes en fonction du budget publicitaire investi.
Analyse de la relation entre le temps d'étude et les résultats obtenus aux examens.
Prévision de la consommation d'énergie basée sur les variations de température extérieure.

Exemples

1. Analyse de tendance des ventes

Analyste commercial
Contexte
Un analyste dispose des chiffres de ventes mensuels sur un semestre et souhaite anticiper le mois suivant.
Problème
Déterminer si les ventes suivent une progression constante et prévoir le chiffre d'affaires du mois 7.
Comment l’utiliser
Saisir les paires de données (1, 2000), (2, 2500), etc., dans le champ principal et entrer '7' dans le champ de prédiction.
Résultat
Obtention de la pente de croissance mensuelle et du chiffre d'affaires estimé pour le septième mois avec le coefficient R².

2. Corrélation scientifique en laboratoire

Étudiant en physique
Contexte
Lors d'une expérience, l'étudiant a mesuré l'allongement d'un ressort selon différentes masses appliquées.
Problème
Calculer la constante de raideur via la pente et vérifier la linéarité de la loi de Hooke.
Comment l’utiliser
Entrer les valeurs de force en X et d'allongement en Y, puis régler les décimales à 4 pour une précision maximale.
Résultat
Le calculateur affiche un R² proche de 1 confirmant la linéarité et fournit la valeur précise de la pente pour le rapport de laboratoire.

Tester avec des échantillons

math-&-numbers
Exemples d'Analyse de Logs ELK Stack
Exemples complets ELK Stack pour agrégation, traitement et visualisation de logs dans les systèmes distribués
task process
sample
Framework de Test E2E Cypress
Exemples complets de tests E2E Cypress incluant configuration de tests, modèles d'objet page, tests d'API, tests de régression visuelle et patterns E2E avancés pour applications web modernes
keywords regression
sample
Exemples Mock Service Worker
Exemples complets de MSW (Mock Service Worker) couvrant le mocking d'API, GraphQL, le mocking de WebSocket et les patterns avancés de traitement des requêtes
keywords intercept
sample
Framework de Test E2E Playwright
Exemples complets de tests Playwright incluant automatisation multi-navigateur, tests d'API, tests mobiles, tests de régression visuelle et patterns E2E avancés pour applications web modernes
keywords regression
sample

FAQ

Qu'est-ce que le R² dans les résultats ?

C'est le coefficient de détermination qui mesure la qualité de l'ajustement du modèle aux données réelles.

Puis-je prédire une valeur Y spécifique ?

Oui, en saisissant une valeur dans le champ 'X de prédiction', l'outil calcule automatiquement le Y estimé.

Comment dois-je formater mes données ?

Vous pouvez entrer une paire par ligne séparée par une virgule (ex: 1, 2) ou utiliser les champs X et Y séparés.

L'outil gère-t-il la régression multiple ?

Non, cet outil est conçu exclusivement pour la régression linéaire simple avec une seule variable indépendante X.

Quelle méthode de calcul est utilisée ?

L'outil utilise la méthode des moindres carrés pour minimiser la somme des carrés des écarts entre les points et la droite.

Documentation de l'API

Point de terminaison de la requête

POST /fr/api/tools/linear-regression-calculator

Paramètres de la requête

Nom du paramètre Type Requis Description
pairedData textarea Non -
xValues text Non -
yValues text Non -
predictionX text Non -
decimalPlaces number Non -

Format de réponse

{
  "key": {...},
  "metadata": {
    "key": "value"
  },
  "error": "Error message (optional)",
  "message": "Notification message (optional)"
}
Données JSON: Données JSON

Documentation de MCP

Ajoutez cet outil à votre configuration de serveur MCP: 

{
  "mcpServers": {
    "elysiatools-linear-regression-calculator": {
      "name": "linear-regression-calculator",
      "description": "Ajuste une regression lineaire simple aux moindres carres et calcule pente, interception, R carre et predictions",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=linear-regression-calculator",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Vous pouvez chaîner plusieurs outils, par ex.: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, max 20 outils.

Si vous rencontrez des problèmes, veuillez nous contacter à [email protected]