Calculadora de resíduos e soma dos quadrados residual

Informe listas correspondentes de valores x e y, além da inclinação e do intercepto da reta ajustada. O resultado apresenta cada valor previsto, cada resíduo com sinal, a soma dos resíduos, a soma dos quadrados residual e a raiz do erro quadrático médio. Ela é útil quando você já tem uma equação ajustada e precisa examinar seus erros, comparar retas candidatas, conferir exercícios ou identificar observações mal representadas.

Informe as observações e a reta ajustada

Forneça as coordenadas observadas em duas listas chamadas x_values e y_values. A posição estabelece os pares: o primeiro valor x corresponde ao primeiro valor y, o segundo valor x ao segundo valor y, e assim por diante. Portanto, as listas precisam ter o mesmo tamanho, conter ao menos uma observação e incluir somente números finitos. Depois, informe a inclinação e o intercepto da reta que deseja avaliar. A calculadora utiliza a equação y previsto = inclinação × x + intercepto; ela não estima esses coeficientes. Essa diferença é importante quando um livro, uma planilha, um programa estatístico ou uma etapa anterior de regressão já produziu uma reta e sua tarefa é examinar os erros restantes. Mantenha todos os valores em unidades compatíveis. Se x estiver em horas e y em reais, a inclinação deverá estar em reais por hora e o intercepto em reais. A saída repete os coeficientes fornecidos e informa a quantidade de observações pareadas, facilitando a confirmação de que os dados e a equação corretos foram avaliados. Cada solicitação aceita até 10,000 pares.

Interprete cada resíduo e seu sinal

Para cada observação, a calculadora primeiro avalia a reta ajustada na coordenada x correspondente e produz um valor previsto. Em seguida, calcula resíduo = y observado − y previsto. Um resíduo positivo indica que o ponto observado está acima da reta, enquanto um valor negativo indica que ele está abaixo. Um resíduo igual a zero significa que a reta passa exatamente pela observação. As listas de valores previstos e resíduos preservam a ordem original, permitindo que você compare cada resultado com o ponto de origem sem ordenar dados ou associar identificadores. Os sinais importam porque podem revelar estruturas sistemáticas escondidas por um único resumo. Longas sequências positivas seguidas de negativas podem indicar curvatura, uma variável ausente ou uma relação que muda. Um resíduo isolado e grande pode apontar uma observação incomum ou um erro de digitação. O campo residual_sum soma os erros com sinal, e mean_residual divide essa soma pela quantidade de pontos. Em uma reta de mínimos quadrados ordinários com intercepto, ajustada aos mesmos dados, a soma normalmente fica perto de zero, exceto pelo arredondamento numérico. Porém, uma soma quase nula não comprova um bom ajuste, pois erros positivos e negativos podem se anular.

Use RSS e RMSE para avaliar o ajuste

A soma dos quadrados residual, muitas vezes abreviada como RSS ou SSE, é obtida somando o quadrado de cada resíduo. Elevar ao quadrado remove o sinal, impede que erros acima e abaixo da reta se cancelem e aumenta o peso dos desvios maiores. Um RSS igual a zero indica que todos os pontos fornecidos estão exatamente sobre a reta proposta. Para o mesmo conjunto de dados e as mesmas unidades de resposta, um RSS menor representa um ajuste mais próximo. Contudo, RSS cresce com a quantidade de observações e sua unidade é o quadrado da unidade de y; por isso, comparações entre conjuntos de tamanhos ou escalas diferentes exigem cuidado. A calculadora também retorna a raiz do erro quadrático médio, calculada como a raiz quadrada de RSS dividido pelo número de observações. RMSE permanece na unidade original de y e descreve uma magnitude típica do erro, o que pode ser mais fácil de interpretar. Esse valor é uma medida descritiva, e não o erro padrão residual ajustado pelos graus de liberdade usado em inferência estatística. Ao comparar retas candidatas exatamente nos mesmos pontos, examine tanto as medidas agregadas quanto o padrão individual dos resíduos. A melhor pontuação numérica ainda pode esconder curvatura, agrupamentos, pontos influentes ou um modelo linear inadequado.