У статистици се параметри линеарног математичког модела могу одредити из експерименталних података методом која се назива линеарна регресија. Ова метода процењује параметре једначине облика и = мк + б (стандардна једначина за линију) користећи експерименталне податке. Међутим, као и код већине статистичких модела, модел се неће у потпуности подударати са подацима; стога ће неки параметри, као што је нагиб, имати одређену грешку (или несигурност) повезану са њима. Стандардна грешка је један од начина мерења ове несигурности и може се постићи у неколико кратких корака.
Пронађите зброј квадратних остатака (ССР) за модел. Ово је збир квадрата разлике између сваке појединачне тачке података и тачке података коју модел предвиђа. На пример, ако су тачке података биле 2,7, 5,9 и 9,4, а тачке података предвиђене из модела су 3, 6 и 9, тада се узима квадрат разлика сваке тачке даје 0,09 (проналази се одузимањем 3 од 2,7 и квадратним резултатом добијеног броја), 0,01 и 0,16, редом. Збрајањем ових бројева добије се 0,26.
Поделите ССР модела бројем осматрања тачака података, минус два. У овом примеру постоје три запажања, а одузимање два од овога даје једно. Према томе, дељењем ССР од 0,26 са једним добија се 0,26. Назовите овај резултат А.
Одредити објашњени збир квадрата (ЕСС) независне променљиве. На пример, ако су тачке података измерене у интервалима од 1, 2 и 3 секунде, тада ћете сваки број одузети средњем броју и квадратити га, а затим сумирати бројеве који следе. На пример, средина датих бројева је 2, па одузимањем сваког броја за два и квадратом добијамо 1, 0 и 1. Узимањем збира ових бројева добија се 2.
Наћи квадратни корен ЕСС-а. У примеру овде, узимање квадратног корена из 2 даје 1,41. Назовите овај резултат Б.
Поделите резултат Б резултатом А. Закључујући пример, дељењем 0,51 са 1,41 добија се 0,36. Ово је стандардна грешка косине.