Lineær regresjon er et statistisk verktøy som bestemmer hvor godt en rett linje passer til et sett med sammenkoblede data. Den rette linjen som best passer til disse dataene kalles den minste kvadraters regresjonslinje. Denne linjen kan brukes på flere måter. En av disse bruksområdene er å estimere verdien av en responsvariabel for en gitt verdi av en forklaringsvariabel. Relatert til denne ideen er en rest.
(1, 2), (2, 3), (3, 7), (3, 6), (4, 9), (5, 9)
For å beregne gjenværende på punktene x = 5, vi trekker den forutsagte verdien fra vår observerte verdi. Siden y koordinat for datapunktet vårt var 9, dette gir en rest på 9 - 10 = -1.
Det er flere bruksområder for rester. En bruk er å hjelpe oss med å finne ut om vi har et datasett som har en generell lineær trend, eller om vi bør vurdere en annen modell. Årsaken til dette er at rester er med på å forsterke ethvert ikke-lineært mønster i våre data. Hva som kan være vanskelig å se ved å se på en spredningsdiagram, kan lettere observeres ved å undersøke restene, og en tilsvarende restplott.
En annen grunn til å vurdere rester er å kontrollere at betingelsene for inferens for lineær regresjon er oppfylt. Etter verifisering av en lineær trend (ved å sjekke restene), sjekker vi også fordelingen av restene. For å kunne utføre regresjonsinferens, ønsker vi at restene av vår regresjonslinje skal være tilnærmet normalt fordelt. EN histogram eller stemplot av restene vil bidra til å verifisere at denne betingelsen er oppfylt.