Outil de régression gratuit en ligne

Entrez vos points de données et obtenez l'équation de régression, la pente, l'origine, la valeur R au carré et les calculs étape par étape en quelques secondes.

Calculer maintenant Explorer les fonctionnalités

Calculateur de régression linéaire

Entrée de données de régression

Entrez vos points de données ci-dessous. Pour une analyse de régression précise, incluez au moins 10 points de données couvrant une plage raisonnable.

Année modèle

Exemple : 2024, 2025, 2026 ou toute année personnalisée

Type de régression

Points de données (X, Y)

#	Valeurs X	Valeurs Y

Niveau de confiance (%)

Valeurs communes : 90, 95, 99 (pour un niveau de confiance de 90 %, 95 % et 99 %)

Valeur X de prédiction

Entrez un nombre pour prédire la valeur Y correspondante

Résultats de régression

Les résultats de votre analyse de régression apparaissent ci-dessous. Ces calculs suivent les normes statistiques internationales.

Graphique de régression

Équation de régression

Y = a + bX

Valeur R au carré

0.000

Corrélation (r)

0.000

Valeur Y prévue

—

Statistiques de régression

Statistique	Valeur	Interprétation
Erreur standard	0.000	Plus bas c'est mieux
Taille de l'échantillon	0	Nombre de points de données
Degrés de liberté	0	n – 2 pour linéaire
Niveau de confiance	95%	Confiance statistique

Note : Résultats calculés à l’aide des normes statistiques internationales applicables aux États-Unis, en Europe, en Asie et dans le monde.

Solution étape par étape

Comprendre l'analyse de régression

📈

Régression linéaire

Modélise une relation linéaire entre les variables à l'aide de l'équation y = a + bx.

📐

Régression polynomiale

Ajuste une relation courbe à l'aide de y = a + bx + cx². Idéale pour les systèmes physiques complexes.

🧬

Régression exponentielle

Modélise la croissance ou la décroissance rapide avec y = ae^bx. Idéale pour la croissance bactérienne et l'analyse de décroissance.

🔬

Régression logarithmique

Ajuste les schémas de rendements décroissants avec y = a + b·ln(x). Idéale pour la saturation économique.

Moteur de diagnostic avancé

Conçu pour la recherche de niveau institutionnel, alliant rigueur mathématique et expérience interactive intuitive.

🎯

Modèles multiples

Comparez côte à côte les ajustements linéaire, polynomial, exponentiel et logarithmique.

📊

Visualisation interactive

Explorez vos données avec des nuages de points dynamiques et des visualisations de modèles superposés.

🔮

Outils de prédiction

Prévoyez les résultats avec des calculs automatiques d'intervalles de confiance.

📋

Diagnostics complets

Résultats détaillés incluant R², erreur standard et valeurs p pour tous les modèles.

📱

Optimisé mobile

Effectuez des analyses de régression complexes sur tout appareil sans compromis.

⚖️

Standardisé

Calculs conformes aux normes professionnelles ISO 3534 et ASTM E2586.

Exigences relatives aux données

Exigence	Minimum	Recommandé
Taille de l'échantillon	3 points de données	30+ points de données
Observations/Paramètre	2 par coefficient	10+ par coefficient
Plage de la variable X	2 valeurs distinctes	Large, régulièrement espacée
Type de variable Y	Continue	Continue, sans effets plafond
Distribution	Résidus normaux	Normale, valeurs aberrantes supprimées
Durbin-Watson	N/A	Statistique ≈ 2

Qu'est-ce qu'une équation de régression ?

Une équation de régression modélise la relation entre les variables, vous permettant de prédire les résultats en fonction des données d'entrée. Dans sa forme la plus simple – régression linéaire simple – l'équation est y = mx + b, où m est la pente et b est l'ordonnée à l'origine. Ce puissant outil statistique est utilisé dans les domaines scientifique, commercial et technique pour découvrir des tendances, établir des prévisions et quantifier les relations entre les variables.

Pourquoi utiliser notre calculatrice ?

Calcule instantanément l'équation de régression à partir de vos données
Affiche des calculs étape par étape pour que vous compreniez les mathématiques
Calcule R², le coefficient de corrélation, la pente et l'interception
Aucune inscription requise – 100 % gratuit et fonctionne dans votre navigateur
Vos données restent privées — rien n'est envoyé à un serveur

Cas d'utilisation courants

Prédire les ventes à partir des dépenses publicitaires
Estimation des prix des logements à partir de la superficie en pieds carrés
Analyser l'impact des heures d'étude sur les résultats des examens
Prévoir les changements de température au fil du temps
Évaluation de la relation entre la posologie et la réponse

Comment ça marche

Choisissez un modèle de régression

Choisissez parmi une régression linéaire, polynomiale, exponentielle ou logarithmique pour correspondre au modèle de relation de vos données.

Saisir des points de données

Ajoutez vos paires de données X et Y dans le tableau. Définissez votre niveau de confiance (%) et entrez éventuellement une valeur X de prédiction pour la prévision.

Calculer et visualiser

Cliquez sur Calculer pour générer instantanément l'équation de régression, la valeur R au carré et un nuage de points interactif avec la droite de régression ajustée.

Examiner les diagnostics

Examinez le tableau des statistiques de régression (erreur standard, taille de l'échantillon, degrés de liberté et niveau de confiance) pour évaluer la fiabilité du modèle.

Prédire et prévoir

Utilisez l'entrée de prédiction X pour estimer Y à tout moment, avec des intervalles de confiance basés sur le niveau de confiance que vous avez choisi.

Référence des statistiques de régression

Statistiques de régression courantes et leurs interprétations

Statistique	Symbole	Interprétation
Pente	m	Taux de changement
Intercepter	b	Valeur lorsque x = 0
R-carré	R²	Bon ajustement
Corrélation	r	Force de la relation
Erreur standard	SE	Distance moyenne de la ligne
Valeur P	p	Importance statistique

Foire aux questions

Nos outils de régression et statistiques

📈