En 

estadística, la regresión lineal o ajuste lineal es un modelo matemático usado para

aproximar la relación de dependencia entre una variable dependiente ,  variables
independientes  con  y un término aleatorio . Este método es aplicable en muchas
situaciones en las que se estudia la relación entre dos o más variables o predecir un
comportamiento, algunas incluso sin relación con la tecnología. En caso de que no se
pueda aplicar un modelo de regresión a un estudio, se dice que no hay correlación entre
las variables estudiadas. Este modelo puede ser expresado como:

Ejemplo de una regresión lineal con una variable dependiente y una variable independiente.

donde:

  es la variable dependiente o variable de respuesta.

  son las variables explicativas, independientes o regresoras.
  son los parámetros del modelo, miden la influencia que las variables explicativas tienen
sobre el regrediendo.

  
 ,y 

El término lineal se emplea para distinguirlo del resto de técnicas de regresión, que

emplean modelos basados en cualquier clase de función matemática. Los modelos
lineales son una explicación simplificada de la realidad, mucho más ágiles y con un
soporte teórico mucho más extenso por parte de la matemática y la estadística. El
modelo de regresión lineal es aplicado en un gran número de campos, desde el ámbito
científico hasta el ámbito social, pasando por aplicaciones industriales ya que en
multitud de situaciones se encuentran comportamientos lineales. Estos son algunos
ejemplos aplicados a diversos campos:X

Líneas de tendencia
Véase también: Tendencia

Una línea de tendencia representa una tendencia en una serie de datos obtenidos a través

de un largo período. Este tipo de líneas puede decirnos si un conjunto de datos en
particular (como por ejemplo, el PIB, el precio del petróleo o el valor de las acciones) han
aumentado o decrementado en un determinado período.[X
La ecuación de regresión proporciona información valiosa sobre la
influencia de cada variable explicativa sobre los valores predichos,
incluido el coeficiente de regresión de cada variable explicativa. Los
valores de pendiente se pueden comparar para determinar la influencia
relativa de cada variable explicativa sobre la variable dependiente;
cuanto más alejado esté el valor de pendiente del cero (ya sea positivo o
negativo), mayor será la influencia. La ecuación de regresión también se
puede utilizar para predecir valores para la variable dependiente
introduciendo valores para cada variable explicativa.