04 // 인터랙티브 공식 백과사전 // 확률 분포·회귀분석 및 정보 엔트로피 공식집r = Cov(X, Y) / (s_X · s_Y), β₁ = r · (s_Y / s_X)
피어슨 상관계수 및 최소제곱(OLS) 선형 회귀 기울기 공식
단위에 무관한 선형 상관성 r ∈ [−1, +1]을 측정하고 오차 제곱합을 최소화하는 선형 회귀 계수를 유도하는 공식입니다.
공식 요약
기본 공식
r = Cov(X, Y) / (s_X · s_Y), β₁ = r · (s_Y / s_X)
변형 공식
β₀ = ȳ − β₁ · x̄
R² = 1 − (SS_res / SS_tot)
변수 및 단위
| Symbol | Name | Unit |
|---|---|---|
| b1 | OLS Regression Slope β₁ | ΔY / ΔX |
| r | Pearson Correlation r | −1 to +1 |
| sy | Sample Std Dev s_Y | Y units |
| sx | Sample Std Dev s_X | X units |
입력값 및 설정
[−1 to +1]
[Y units]
[X units]
계산 결과 (OLS Regression Slope β₁)
b1 =2.46ΔY / ΔX
공식 설명 및 배경
- Setting partial derivatives ∂/∂β₀ and ∂/∂β₁ of S(β₀,β₁) = ∑(y_i − β₀ − β₁x_i)² to zero yields the normal equations: ȳ = β₀ + β₁x̄ and β₁ = S_xy / S_xx.
- In simple bivariate linear regression, the coefficient of determination R² equals the square of Pearson's r.
단계별 풀이 예제
#1: Study hours X (s_X = 6.0 hr) vs. exam score Y (s_Y = 18.0 pts) with observed correlation r = 0.82.
r = 0.82s_Y = 18.0s_X = 6.0
β₁ = 0.82 × (18.0 / 6.0) = 0.82 × 3.0; R² = 0.82²
→ Slope β₁ = +2.46 pts/hr; R² = 0.6724 (67.2% variance explained)
#2: Regression to the mean: if a student scores +2σ above mean on X with r = 0.60, what is expected Z_Y?
Z_X = +2.0r = 0.60
E[Z_Y | Z_X] = r · Z_X = 0.60 × 2.0
→ Z_Y = +1.20 standard deviations
이 도구가 도움이 되었나요?
자주 묻는 질문 (FAQ)
피어슨 상관계수 및 최소제곱(OLS) 선형 회귀 기울기 공식 도구는 어떻게 사용하나요?+
입력값을 넣거나 슬라이더를 조절하면 피어슨 상관계수 및 최소제곱(OLS) 선형 회귀 기울기 공식 (공식: r = Cov(X, Y) / (s_X · s_Y), β₁ = r · (s_Y / s_X)) 결과를 브라우저에서 지연 없이 실시간으로 계산하고 시각화합니다. 단위에 무관한 선형 상관성 r ∈ [−1, +1]을 측정하고 오차 제곱합을 최소화하는 선형 회귀 계수를 유도하는 공식입니다.
피어슨 상관계수 및 최소제곱(OLS) 선형 회귀 기울기 공식의 차트나 계산 결과를 저장할 수 있나요?+
네, SVG, PNG, CSV 파일 다운로드 및 워크시트 인쇄를 즉시 지원합니다.
피어슨 상관계수 및 최소제곱(OLS) 선형 회귀 기울기 공식의 샘플 데이터를 지우고 빈 상태에서 시작할 수 있나요?+
네. 도구 상단의 초기화/비우기 버튼을 누르면 빈 입력 상태로 전환되며, 언제든지 샘플 데이터를 다시 불러올 수 있습니다.