在線即時計算器 · 純前端本地秒算 · 零數據上傳

🛠️ 散佈圖產生器(含相關係數)

專業免費的 散佈圖產生器(含相關係數)。純前端本機毫秒級計算、零資料上傳、極致隱私保護。提供詳細公式推導、實例示範與常見問答。

即時推算結果 (Computed Output)
0.9913 range -1 to 1 · R² =0.9827
專業公認計算模型,即時運算完畢
📜 計算歷史記錄 (試算軌跡)
尚無歷史記錄,每次點擊「計算」將在此留下試算軌跡...

這個工具的功能

散佈圖產生器能把一組成對的觀測資料轉換成視覺化的散佈圖,並附上完整的摘要統計量。每個點都由一個自變數(x)和一個應變數(y)組成——例如戶外氣溫對上冰淇淋的銷售量。圖表能呈現這兩個量如何一起變動,而數據則將這種關係量化:皮爾森相關係數 r、判定係數 R 平方、各變數的平均數與樣本標準差、樣本共變異數,以及最小平方最佳擬合線的方程式。這是一款通用的統計工具——適用於任何一對量測數值,不受任何國家或單位制度的限制。

使用方式

在輸入框中每行鍵入一組 (x, y) 配對,兩個數字之間以逗號或空格分隔——例如 30, 60。請至少輸入兩個點;點數越多,相關係數越可靠。空白行或非數字的行會自動略過。按下計算,即可看到散佈圖、貫穿其中的虛線迴歸線,以及一份完整的描述性統計量表格。

公式說明

首先求出平均數:meanX =(x 的總和)/ n,meanY =(y 的總和)/ n。接著計算各值與平均數的偏差並加以組合。最佳擬合線的斜率為 a = (dx·dy) 的總和除以 dx² 的總和,截距為 b = meanY - a·meanX。皮爾森相關係數 r 等於 (dx·dy) 的總和除以 (dx² 總和 × dy² 總和) 的平方根,而 R 平方即為 r²。變異數、標準差與共變異數均採用樣本(n-1)版本計算。

r = ((\sum (x_i - \bar{x})(y_i - \bar{y})) ÷ (\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2})) \qquad ≤ft(x_i, y_i\right) \in Data Points

\begin{gathered} y = m x + b \\[1.5em] where ≤ft{ \begin{aligned} m &= ((\sum (x_i - \bar{x})(y_i - \bar{y})) ÷ (\sum (x_i - \bar{x})^2)) \\ b &= \bar{y} - m \bar{x} \\ (x_i, y_i) &\in Data Points \end{aligned} \right. \end{gathered}

實例演算

以 x = [22, 24, 26, 28, 30, 32, 34] 與 y = [25, 30, 38, 45, 60, 70, 78] 為例,n = 7,meanX = 28,meanY ≈ 49.43。\sum dx^2 = 112,\sum (dx · dy) = 522,因此斜率 a = 522 / 112 ≈ 4.661,截距 b ≈ -81.07,得到方程式

y = 4.661x - 81.07
相關係數 r ≈ 0.991,R^2 ≈ 0.983——呈現強烈的正向線性關係。

使用注意事項與精準校對原則(6 大核心守則)

📐 1. 嚴格對齊輸入量綱與單位

輸入各項數值時請務必確認量綱(例如小時、天數、金額、百分比),避免單位不匹配引發推算偏差。

🔒 2. 純前端本機毫秒級隱私保障

所有計算邏輯 100% 在您的終端瀏覽器內完成,資料絕不上傳伺服器,嚴格守護商業與個人隱私。

📊 3. 符合公認學術與產業計算模型

演算法嚴格遵循國際通用數學公式與標準計算模型,經多重情境交叉核對,數值嚴密精確。

📋 4. 一鍵複製與免登入 PDF 匯出

支援一鍵複製推算結果字串至剪貼簿,亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。

🔄 5. 多情景敏感度動態對比

建議針對極端值與多組預期情景分別試算,觀察輸出數據的波動區間,輔助做出更穩健的決策。

🛡️ 6. 專業諮詢與日常參考免責聲明

本工具運算結果供日常排程、學業研習與事前參考之用,如涉及重大法規或投資決策請諮詢持證專家。

常見問題 (FAQ)

相關係數 \(r\) 代表什麼?
數值接近 +1 表示強烈的遞增線性趨勢,接近 -1 表示強烈的遞減趨勢,接近 0 則代表幾乎沒有線性關係。
如果我的 x 值全部相同會怎樣?
那麼 x 沒有變異,斜率與 \(r\) 都無法定義,最佳擬合「線」會變成一條垂直線 \(x = \text{meanX}\)。
相關是否能證明因果關係?
不行。高 \(r\) 只能顯示變數一起變動;真正的原因可能是第三個因素(例如氣溫同時帶動了咖啡與冰淇淋的銷售量)。