I statistiken kan parametrarna för en linjär matematisk modell bestämmas från experimentdata med en metod som kallas linjär regression. Denna metod uppskattar parametrarna för en ekvation med formen y = mx + b (standardekvationen för en linje) med hjälp av experimentella data. Men som med de flesta statistiska modeller, kommer modellen inte exakt att matcha data; därför kommer vissa parametrar, såsom lutningen, att ha något fel (eller osäkerhet) associerade med sig. Standardfelet är ett sätt att mäta denna osäkerhet och kan utföras i några korta steg.
Hitta summan av kvadratrester (SSR) för modellen. Detta är summan av kvadraten av skillnaden mellan varje enskild datapunkt och datapunkten som modellen förutsäger. Till exempel, om datapunkterna var 2,7, 5,9 och 9,4 och datapunkterna som förutses från modellen var 3, 6 och 9, så tog du kvadratet av skillnaden för var och en av punkterna ger 0,09 (hittas genom att subtrahera 3 med 2,7 och kvadrera det resulterande talet), 0,01 och 0,16, respektive. Att lägga till dessa siffror tillsammans ger 0,26.
Dela SSR för modellen med antalet observationer av datapunkter, minus två. I det här exemplet finns det tre observationer och att subtrahera två från detta ger en. Att dela SSR på 0,26 med en ger därför 0,26. Kall detta resultat A.
Bestäm den förklarade summan av kvadrater (ESS) för den oberoende variabeln. Till exempel, om datapunkterna mättes med intervaller på 1, 2 och 3 sekunder, kommer du att subtrahera varje tal med medelvärdet av siffrorna och kvadrera det, sedan summera de efterföljande siffrorna. Till exempel är medelvärdet av de angivna siffrorna 2, så att subtrahera varje tal med två och kvadrera ger 1, 0 och 1. Att ta summan av dessa siffror ger 2.
Hitta kvadratroten på ESS. I exemplet här ger tar kvadratroten 2 1,41. Kall detta resultat B.
Dela resultat B med resultat A. Avslutande av exemplet, att dividera 0,51 med 1,41 ger 0,36. Detta är standardfelet i lutningen.