Na regressão linear um polinômio de grau 2 é ajustado a um conjunto de pares de observação (x1,y1), (x2,y2),..., (xn,yn).

Na regressão linear ajustamos uma reta que passa por todos os pontos observados.

Na regressão linear o coeficiente r2 é chamado de coeficiente de correlação.

Na regressão linear a estratégia utilizada para encontrar a “melhor” reta que representa a tendência geral dos dados é minimizar o valor absoluto da soma dos erros residuais para todos os dados disponíveis.

Na regressão linear o erro padrão da estimativa quantifica a dispersão em torno da reta de regressão.