Linearna regresija je statistično orodje, ki določa, kako pravilna črta ustreza nizu seznanjeni podatki. Ravna črta, ki najbolj ustreza tem podatkom, se imenuje regresijska črta z najmanj kvadratki. To vrstico je mogoče uporabiti na več načinov. Ena od teh uporab je ocenjevanje vrednosti odzivne spremenljivke za dano vrednost pojasnjevalne spremenljivke. Ta ideja je povezana s preostalim.
(1, 2), (2, 3), (3, 7), (3, 6), (4, 9), (5, 9)
Za izračun preostalega v točkah x = 5 odštejemo predvideno vrednost od naše opazovane vrednosti. Od takrat y koordinata naše podatkovne točke je bila 9, kar pomeni ostanek 9 - 10 = -1.
Za ostanke obstaja več uporab. Ena od načinov je, da nam pomagajo ugotoviti, ali imamo nabor podatkov s splošnim linearnim trendom ali če bi morali razmisliti o drugačnem modelu. Razlog za to je, da ostanki pomagajo razširiti kateri koli nelinearni vzorec v naših podatkih. Kar je težko videti s pregledom raztresenega toka, je mogoče lažje opaziti s pregledom ostankov in ustrezne rezidualne ploskve.
Drug razlog za preučitev ostankov je preverjanje, ali so izpolnjeni pogoji za sklepanje o linearni regresiji. Po preverjanju linearnega trenda (s preverjanjem ostankov) preverimo tudi porazdelitev ostankov. Da bi lahko sklepali regresijo, želimo, da se ostanki naše regresijske črte približno normalno porazdelijo. A histogram ali stebloplot od preostalih bo pomagalo preveriti, ali je bil ta pogoj izpolnjen.