Na análise de regressão linear simples, as estimativas !$ \hat {\alpha} !$ e !$ \hat \beta !$dos parâmetros !$ \alpha !$ e !$ \beta !$ da reta de regressão podem ser obtidas pelo método de Mínimos Quadrados. Nesse caso, os valores dessas estimativas são obtidos através de uma amostra de n pares de valores !$ X_i, \, Y_i !$ com (i = 1, 2, ....,n), obtendo-se: !$ \hat {Y_i}= \hat \alpha + \hat \beta X_i !$, onde !$ \hat Y_i !$ é a estimativa de !$ Y_i= \alpha + \beta X_i !$ . Para cada par de valores !$ X_i, \, Y_i !$ com (i = 1, 2, ...,n) pode-se estabelecer o desvio ou resíduo - aqui denotado por !$ e_i !$ - entre a reta de regressão !$ Y_i !$ e sua estimativa !$ \hat Y_i !$ . Sabe-se que o Método de Mínimos Quadrados consiste em adotar como estimativas dos parâmetros !$ \alpha !$ e !$ \beta !$ os valores que minimizam a soma dos quadrados dos desvios !$ e_i !$. Desse modo, o Método de Mínimos Quadrados consiste em minimizar a expressão dada por: