$SE(\hat{\beta}_1) = \sqrt{\frac{SSE}{(n-2) \cdot \sum (X_i - \bar{X})^2}}$ • SSE hata kareleri toplamıdır ve $\sum (Y_i - \hat{Y}_i)^2$ şeklinde hesaplanır. • $n$ gözlem sayısını ifade eder. • $\sum (X_i - \bar{X})^2$, $X$ değerlerinin ortalamadan sapmalarının kareleri toplamıdır. $SE(\hat{\beta}_0) = \sqrt{\frac{SSE}{n-2} \cdot \left(\frac{1}{n} + \frac{\bar{X}^2}{\sum (X_i - \bar{X})^2}\right)}$ • $SSE$ hata kareleri toplamıdır. • $n$ gözlem sayısını ifade eder. • $\bar{X}$, $X$ değerlerinin ortalamasıdır. • $\sum (X_i - \bar{X})^2$, $X$ değerlerinin ortalamadan sapmalarının kareleri toplamıdır. **Açıklamalar** $SSE$ gözlemlenen değerler ile tahmin edilen değerler arasındaki sapmaların karelerinin toplamıdır. $n-2$: Modeldeki serbestlik derecesini ifade eder, iki parametre tahmini olduğu için ($\beta_0$ ve $\beta_1$) 2 çıkartıyoruz. $\sum (X_i - \bar{X})^2$ ise Bağımsız değişken olan $Xin toplam varyansını gösterir.