امروزه کمبود «اطلاعات» وجود ندارد. بدون توجه به اینکه فرایند چقدر کوچک یا تا چه اندازه سر راست است، وسایل اندازه گیری فراوان هستند.

این وسایل بسته به مشخصه های فرایند تحت بررسی، اطلاعاتی از قبیل «دمای ورودی»، «غلظت اولیه»، «درصد کاتالیزور»، «دمای بخار»، «نرخ مصرف»، و ... را به ما می دهند.

بعضی از این ارقام در فاصله های منظم، هر پنج دقیقه یا شاید هر نیم ساعت، در اختیار قرار گرفته و برخی دیگر به طور پیوسته مشاهده می شوند.

با این حال، هنوز ارقام دیگر با می تلاش و صرف وقت اضافی قابل دسترس هستند.

می توان نمونه هایی از محصول نهایی را در فاصله های معینی انتخاب کرده و بعد از تحلیل، اندازه هایی از قبیل میزان خلوص، درصد بازده، شفافیت، شکنندگی، رنگ یا هر ویژگی دیگر محصول نهایی را که از نظر استفاده کننده یا تهیه کننده مهم باشد به دست آورد.

در بسیاری از کارخانه ها انبوهی از این داده ها را ملاحظه می کنیم و اکثر اوقات، بدون هیچ گونه دلیل یا منظوری خاص جمع آوری می شوند.

یا ممکن است سال ها پیش برای هدفی جمع آوری شده باشند، اگر چه در حال حاضر این هدف وجود ندارد، ولی ارقام همچنان ساعت به ساعت یا روز به روز در هر هفته جمع آوری می شوند.

هدف در آمار اینکه برای هر فرآیند داده شده ای چه نوع اطلاعاتی را باید جمع آوری یا نباید جمع آوری کنیم نیست.

بلکه هدف ، شرح برخی از تکنیک های موجود برای کشف رابطه های پنهان بین متغیرهاست.

در هر سیستمی که کمیت های متغیر عوض می شوند، بررسی اثرهایی مورد نظر است که بعضی متغیرها بر بقیه اعمال می کنند (یا به نظر می رسد که بر بقیه اعمال می کنند).

ممکن است در واقع بستگی ساده ای بین متغیرها وجود داشته باشد؛ در اکثر فرایند های فیزیکی، این، به جای قاعده، یک استثناست.

اغلب رابطه ای تابعی وجود دارد که درک یا توصیف آن با مفاهیم ساده بسیار پیچیده است.

در این حالت ممکن است بخواهیم این بستگی تابعی را بیان کنیم.

با بررسی چندین تابع درجه بندی قادر خواهیم بود در مورد رابطۀ واقعی زیربنایی، آگاهی بیشتر کسب نماییم.

در این مرحله، ما می توانیم برای سهولت کار دو نوع از متغیرهای اصلی را از هم تشخیص دهیم: 

• متغیر های پیشگو یا مستقل
• متغیرهای پاسخ یا وابست

که منظور از متغیرهای «پیشگو» (Predictor) و یا «مستقل» (Independent) متغیرهایی است که عموما می توان آن ها را برابر مقدار مطلوب قرار داد یا آن ها را برابر با مقادیری گرفت که می توانند مشاهده شده اما کنترل پذیر نیستند.

در نتیجۀ تغییر عمدی این متغیرها، یا در نظر گرفتن مقادیری برای متغیرهای پیشگو، اثرهایی در متغیرهای دیگر، یعنی، متغیرهای پاسخ پدید می آید.

به طور کلی، در مبحث رگرسیون علاقمندیم بدانیم تغییر در متغیرها یپیشگو مقادیر متغیرهای پاسخ را چگونه تحت تاثیر قرار می دهد.

وجه تمایز بین متغیرهای پیشگو و پاسخ همیشه کاملا روشن نیست و گاهی به اهداف ما بستگی دارد.