Calculadora de Coeficiente de Correlação

• Calculadora de coeficiente de correlação online instantânea: cole duas séries de dados e obtenha o r de Pearson, R², a estatística t, o valor p, a equação de regressão e um diagrama de dispersão em milissegundos. A calculadora de coeficiente de correlação lida com conjuntos de dados de qualquer tamanho sem espera - sem precisar de planilhas.
• Calculadora de coeficiente de correlação segura - 100 % privada: a calculadora de coeficiente de correlação roda inteiramente no lado do cliente, no seu navegador. Seus dados nunca são enviados a nenhum servidor, armazenados ou rastreados - segura para dados sensíveis de pesquisa, médicos ou empresariais.
• Calculadora de coeficiente de correlação - sem instalação: use a calculadora de coeficiente de correlação diretamente em qualquer navegador moderno, sem downloads, apps ou plugins. Funciona em desktop, tablet e celular - 100 % grátis para sempre e sem cadastro.
• Análise completa - diagrama de dispersão, regressão e significância: a calculadora de coeficiente de correlação vai além do r de Pearson. Ela calcula R² (variância explicada), a equação de regressão linear (inclinação e intercepto), uma estatística t com valor p bilateral para o teste de significância e desenha um diagrama de dispersão ao vivo com a linha de regressão sobreposta.

• Pesquisa acadêmica e cursos de estatística: estudantes e pesquisadores usam a calculadora de coeficiente de correlação para medir a relação linear entre duas variáveis em experimentos, pesquisas e estudos observacionais. A calculadora de coeficiente de correlação fornece o r de Pearson, R² e valor p - todos os valores necessários para um relatório no estilo APA.
• Análise empresarial e de vendas: analistas usam a calculadora de coeficiente de correlação para explorar relações entre variáveis como investimento em publicidade e receita, satisfação do cliente e taxa de cancelamento, ou preço e demanda. O diagrama de dispersão facilita identificar tendências e valores atípicos de imediato.
• Pesquisa financeira e de investimentos: analistas financeiros usam a calculadora de coeficiente de correlação para medir a co-movimentação entre preços de ativos, retornos de carteiras ou indicadores econômicos. Um r positivo alto indica que os ativos se movem juntos; um r negativo indica relação de hedge.
• Saúde e estudos clínicos: clínicos e pesquisadores usam a calculadora de coeficiente de correlação para avaliar relações entre medições de pacientes - como idade e pressão arterial, IMC e colesterol, ou dosagem e resposta. O valor p confirma se a correlação é estatisticamente significativa.
• Aprendizado de máquina e seleção de atributos: cientistas de dados usam a calculadora de coeficiente de correlação para identificar atributos altamente correlacionados antes de treinar modelos, ajudando a detectar multicolinearidade e reduzir dimensionalidade. O valor de R² mostra quanta variância uma variável explica em outra.
• Controle de qualidade e engenharia de processos: engenheiros usam a calculadora de coeficiente de correlação para determinar se variáveis de processo (temperatura, pressão, velocidade) estão linearmente relacionadas a métricas de qualidade do resultado. A equação de regressão fornece um modelo preditivo para otimizar o processo.

O coeficiente de correlação de Pearson (r) mede a força e a direção da relação linear entre duas variáveis X e Y. Ele varia de −1 (relação linear negativa perfeita), passando por 0 (nenhuma relação linear), até +1 (relação linear positiva perfeita). Nossa calculadora de coeficiente de correlação online calcula o r de Pearson com a fórmula padrão: r = Σ[(xᵢ − x̄)(yᵢ − ȳ)] / √[Σ(xᵢ − x̄)² × Σ(yᵢ − ȳ)²]. A calculadora de coeficiente de correlação também calcula R² (o coeficiente de determinação), que indica qual porcentagem da variância de Y é explicada por X.

1. Insira suas séries de dados: cole ou digite seus valores X no painel esquerdo e os valores Y no direito. A calculadora de coeficiente de correlação aceita qualquer combinação de inteiros e decimais, separados por vírgulas, espaços, ponto e vírgula ou quebras de linha. X e Y precisam ter o mesmo número de valores. Pressione Ctrl+Enter ou clique em «Calcular Correlação» para executar a análise.
2. Processamento instantâneo no navegador: a calculadora de coeficiente de correlação computa o r de Pearson, R², a estatística t, o valor p bilateral e a equação de regressão linear inteiramente no seu navegador. Nenhum dado é enviado a servidor. Os resultados aparecem imediatamente junto com um diagrama de dispersão e a linha de regressão sobreposta aos dados.
3. Revise e copie os resultados: a calculadora de coeficiente de correlação exibe a interpretação da força, o veredito de significância, a equação de regressão e uma tabela passo a passo dos pares de dados mostrando (X − X̄)(Y − Ȳ) para cada ponto. Copie o resumo completo dos resultados para a área de transferência com um clique.

• |r| ≥ 0,9 - Muito forte: mudanças em X estão associadas de forma muito confiável a mudanças em Y. A relação é praticamente linear.
• 0,7 ≤ |r| < 0,9 - Forte: X é um bom preditor de Y. Comumente observada em experimentos bem controlados e dados financeiros.
• 0,5 ≤ |r| < 0,7 - Moderada: X explica uma parte significativa da variação de Y, mas outros fatores também influenciam.
• 0,3 ≤ |r| < 0,5 - Fraca: uma relação linear detectável, mas limitada. X tem valor preditivo limitado para Y sozinho.
• |r| < 0,3 - Desprezível: essencialmente nenhuma relação linear. Observe que uma relação não linear ainda pode existir.

A calculadora de coeficiente de correlação mede apenas relações lineares. Um r baixo não significa que não exista relação - ela pode ser não linear (por exemplo, quadrática ou exponencial). Sempre inspecione o diagrama de dispersão para verificar padrões não lineares, valores atípicos ou agrupamentos. Correlação também não implica causalidade: um r alto entre X e Y não significa que X causa Y. Ambas as variáveis podem ser influenciadas por uma terceira variável de confusão. O valor p testa se r é significativamente diferente de zero dado o tamanho da amostra - com conjuntos de dados grandes, até um r muito pequeno pode ser estatisticamente significativo sem ser praticamente relevante.