สมการถดถอยเชิงเส้น
แสดงในรูปแบบอย่างง่าย เมื่อมีตัวแปรต้นเพียงหนึ่งตัวแสดงได้ดังนี้ 
y = Intercept + Slope * x
เมื่อ x คือตัวแปรต้น และ y คือตัวแปรตาม โดย
Intercept คือค่าเฉลี่ยของ y เมื่อ x เป็น 0
Slope ค่าอัตราการเปลี่ยนแปลของค่าเฉลี่ยของ 
การแจกแจงของตวัแปรตาม y เม่ือตัวแปรต้น x มีค่าเพิ่มข้ึน 1 หน่วย 
ตัวอย่างเพื่อสร้างความเข้าใจ
ขอยกตัวอย่างที่จะเข้าใจให้ง่ายขึ้น เช่น หากต้องการทำนายค่าคะแนนสอบของนักเรียน สมมติสมการถดถอยเชิงเส้นซึ่งมีตัวแปรต้นคือจำนวนชั่วโมงที่นักเรียนใช้ในการทำข้อสอบ และตัวแปรตามคือค่าคะแนนที่จะสอบได้ แสดงได้ดังนี้y = 65.7 + 0.23 Hour
โมเดลนี้การทำนายขึ้นกับจำนวนชั่วโมงที่นักเรียนใช้ในการสอบ หรือพูดอย่างง่ายคือถ้าใช้เวลามากก็จะมีคะแนนสูงมากขึ้น ค่าเฉลี่ย 65.7 คือค่าเฉลี่ยของคะแนนที่จะได้ โดยไม่พิจารณาค่าของจำนวนชั่วโมงที่เข้าสอบ (อาจารย์อาจคาดเดาว่าข้อสอบชุดนั้นผู้สอบจะได้คะแนนเฉลี่ย 65.7 คะแนน) และ 0.23 คืออัตราเฉลี่ยที่คะแนนจะเพิ่มขึ้นเมื่อใช้เวลาทำข้อสอบนานขึ้นนั่นเอง
สถิติที่ควรรู้จัก
Regression coefficient คือสัมประสิทธ์สมการถดถอย ในที่นี่แทน Slope ในสมการนั่นเอง
Coefficient determination มีค่าระหว่าง 0 ถึง 1 หากเข้าใกล้ 1 จะแสดงให้เห็นว่าโมเดลสามารถทำนายผลลัพธ์ได้ดี 
Mean Square Error (MSE) คือค่าเฉลี่ยความคลาดเคลื่อนในการทำนาย ยิ่งมีค่าน้อยจะยิ่งดี 
การศึกษาทฤษฎีที่ลงลึกมากขึ้นอาจค้นคว้าโดยการศึกษาในศาสตร์ทางสถิติ เพื่อเรียนรู้วิธีการคำนวณค่าต่างๆ ให้ละเอียดมากขึ้นได้