Calculadora de Correlação de Pearson Online

Calcule o coeficiente r de Pearson, o coeficiente de determinação r² e a linha de regressão linear a partir de pares de dados. Ferramenta 100% privada e local.

-
Coeficiente de Pearson (r)
Determinação (r²) -
Pares (n) 0
Pendente (m) -
Média X | Y - | -
Aguardando dados...
Estúdio de Utilitários

Quer este utilitário no seu site?

Personalize cores e o modo escuro para WordPress, Notion ou o seu próprio site.

Perguntas frequentes

O que é o coeficiente de correlação de Pearson?

É uma medida estatística que quantifica a força e a direção da relação linear entre duas variáveis quantitativas. O seu valor varia de -1 (correlação negativa perfeita) a 1 (correlação positiva perfeita), com 0 indicando a ausência de relação linear.

Posso colar dados diretamente do Excel?

Sim, a nossa calculadora está otimizada para interpretar dados copiados e colados do Excel, Google Sheets ou arquivos CSV. Ela deteta automaticamente as colunas e limpa caracteres não numéricos, como símbolos de moeda ou percentagens.

Por que o valor r é baixo se os meus dados parecem estar relacionados?

O coeficiente de Pearson apenas deteta relações lineares. Se os seus dados tiverem uma relação curva (como uma parábola ou logarítmica), o coeficiente de Pearson pode ser muito baixo, mesmo que exista uma ligação clara entre as variáveis.

O que significa r² nesta calculadora?

É o coeficiente de determinação. Representa a proporção da variância na variável dependente que é previsível a partir da variável independente. Por exemplo, um r² de 0,85 indica que 85% da variabilidade é explicada pelo modelo linear.

# Calculadora de Correlação de Pearson Online: Guia Completo

O coeficiente de correlação de Pearson (r) é a ferramenta estatística padrão para medir como duas variáveis numéricas se relacionam linearmente entre si. Seja para trabalhos académicos, análise de mercado ou investigação científica, compreender a força dos seus dados é vital.
1 Relação Total
0 Independência
Local 100% Privacidade

# Para que serve o coeficiente r de Pearson?

O índice de Pearson revela se existe uma tendência: quando uma variável aumenta, a outra também aumenta (correlação positiva) ou diminui (correlação negativa)? Esta ferramenta é essencial para a análise de dados em Excel, SPSS ou Python.

Correlação de Pearson

Ideal para variáveis quantitativas com uma relação linear clara.

  • Dados Numéricos
  • Relação Linear
  • Requer Normalidade

Correlação de Spearman

Melhor para dados ordinais ou relações monótonas não lineares.

  • Dados Ordinais (Ranks)
  • Relação Monótona
  • Resistente a Outliers

# Interpretação de Resultados: Tabela de Valores

Intervalo de Valores (r) Força da Relação Significado Prático
0,90 a 1,00Muito ForteRelação quase perfeita. Ideal para previsões.
0,70 a 0,89ForteExiste uma dependência linear clara entre as variáveis.
0,40 a 0,69ModeradaUma tendência visível, mas com dispersão notável.
0,20 a 0,39FracaRelação pobre; outros fatores têm mais influência.
0,00 a 0,19Nula/InsignificanteNão existe nenhuma relação linear significativa.

# Vantagens e limitações desta calculadora

  • Colar do Excel/CSV: Não é necessário inserir os dados um a um.
  • Diagrama de Dispersão Instantâneo com linha de regressão.
  • 100% Privacidade: Os seus dados nunca saem do seu PC.
  • Apenas deteta relações lineares (não curvas).
  • Alta sensibilidade a valores extremos (outliers).
  • Requer pelo menos 2 pares de dados válidos.
Dica de Especialista
Antes de confiar cegamente no valor r, olhe sempre para o Diagrama de Dispersão. Às vezes, um coeficiente alto pode ser causado por um único outlier, ou um coeficiente baixo pode esconder uma relação curva muito forte que o Pearson não consegue detetar.

# Glossário Estatístico

Covariância
Medida de quanto duas variáveis aleatórias mudam juntas.
Regressão Linear
Modelo matemático usado para aproximar a relação de dependência entre variáveis.
Coeficiente r²
Proporção da variância que é previsível a partir da variável independente.
Diagrama de Dispersão
Gráfico de pontos que mostra a distribuição dos pares de dados num plano.

Referências Bibliográficas