i	Pohlaví (P)	Výška (V)	Hmotnost (H)	Vi - mV	Hi - mH	(Vi-mV)(Hi-mH)	zVi * zHi	H.stř.i	ei									
1	0	172	86	-2.5	11.04545455	-27.61363636	-0.152834952											
2	1	169	58	-5.5	-16.95454545	93.25	0.516116715											
3	0	183	80	8.5	5.045454545	42.88636364	0.237365889					korelace					průměr	
4	1	170	69	-4.5	-5.954545455	26.79545455	0.148306509						1		(xi - mX) (yi - mY)		mX = (1/N) Suma(1…N) xi	
5	0	180	85	5.5	10.04545455	55.25	0.305795694					rXY = 	-------- SUMA (i = 1 … N) {------------------------}					
6	1	173	76	-1.5	1.045454545	-1.568181818	-0.008679516						(N - 1)		sX sY		rozptyl (variance)	
7	0	190	89	15.5	14.04545455	217.7045455	1.204943215					úprava vzorce korelace					s2X = [1/(N-1)] Suma(1…N) (xi - mX)2	
8	1	174	62	-0.5	-12.95454545	6.477272727	0.035850174					=	1/(N - 1) SUMA(i = 1 … N) [ zXi zYi ]					
9	1	160	55	-14.5	-19.95454545	289.3409091	1.60143356										směrodatná odchylka	
10	0	182	75	7.5	0.045454545	0.340909091	0.001886851										s = odmocnina(s2)	
11	0	198	101	23.5	26.04545455	612.0681818	3.387652752					kovariance						
12	1	153	48	-21.5	-26.95454545	579.5227273	3.207521352					cXY = sX rXY sY		z toho	rXY = cXY/(sX sY)			
13	1	174	65	-0.5	-9.954545455	4.977272727	0.027548028											
14	1	162	76	-12.5	1.045454545	-13.06818182	-0.072329298											
15	0	171	69	-3.5	-5.954545455	20.84090909	0.115349507							Jednoduchá regrese dvou proměnných				
16	1	159	48	-15.5	-26.95454545	417.7954545	2.312399114											
17	0	192	78	17.5	3.045454545	53.29545455	0.294977747							Cíl: předpovědět hodnoty závislé proměnné (zde Y) pomocí hodnot nezávislé proměnné (zde X)				
18	1	170	59	-4.5	-15.95454545	71.79545455	0.397370875											
19	1	181	76	6.5	1.045454545	6.795454545	0.037611235							Regresní rovnice:				
20	0	179	95	4.5	20.04545455	90.20454545	0.499260843											
21	0	165	101	-9.5	26.04545455	-247.4318182	-1.369476645								Y se stříškou: Hodnota proměnné Y předpovězená pomocí hodnoty X a regresních koeficientů a a b			
22	0	182	98	7.5	23.04545455	172.8409091	0.956633589								"a: Tzv. regresní konstanta, anglicky intercept, v podstatě hodnota proměnné Y pro X = 0"			
															"b: Tzv. regresní koeficient, který vyjadřuje, o kolik vzroste hodnota závislé proměnné (zde Y), pokud hodnota nezávislé proměnné (zde X) vzroste o 1"			
m	0.5	174.5	74.95454545		vzorcem	0.651652535												
sd - vzorec		11.18566259	16.15247961		funkcí	0.651652535									"V případě, že máme v regresi pouze dvě proměnné, lze koeficienty najít analyticky na základě následujících vzorců:"			
sd - funkcí	0.511766316	11.18566259	16.15247961															
					b													tzn. korelace obou proměnných krát směrodatná odchylka závislé proměnné lomeno SD nezávislé proměnné
					a													
																		
																		tzn. průměr závislé proměnné mínus hodnota b (vypočtená pomocí předchozího vzorce) krát průměr nzávislé proměnné
																		
															R2: tzv. mnohonásobná korelace se rovná korelaci hodnot Y a hodnot Y předpovězených pomocí regresní rovnice (Y se stříškou)