Linear Regression

The regression line for y on x, where y is the dependent variable, is also known as the least square
regression line.  It is the line drawn through the set of points such that the sum of the squares of the 
distance of each point from the line is a minimum.  The regression line is more accurate than the line of 
best fit.

If there is a reasonable strong correlation, you can use the regression line of y on x to predict values of y for 
various values of x.  Do not use the regression line for prediction purposes for values beyond the region of 
the given data.

Example Mr. Lori was trying out a new recipe for pizza.  The data in the table shows how popular the
new pizza was.

Day number (x) 1 3 5 7 9 11 13 15 17 19
Number of pizzas (y) 10 15 19 24 30 37 43 45 53 60

a) Write down

i) the correlation coefficient
ii) the regression line of y on x

b) Use your line to predict the number of pizzas sold on day 9 and on day 14.

c) Can you predict how many pizzas will be sold on day 30?

1
Linear Regression

Example The average number of hours of study per week by some students and their total score
in the IB diploma are shown in the table.

Hours of study 14 18 19 21 24 8 6 15 28 20 25 10
Total score 29 35 36 40 43 22 19 32 45 38 44 24

a) Find the correlation coefficient

b) Find the equation of the regression line.

c) Estimate the score for a student who studies 22 hours a week.

2
The formula for the regression line of  y  on x  is

In exam questions you will always be given the value of