Tiesa regresijos lygtis pavidalu [tex]\overline{y}_x=ax+b[/tex] gali būti randama ir kitu būdu (ji duoda kitokį tikslumą, nei ta regresijos tiesė, kurią randame pirmuoju atveju, ir jei neklystu yra tikslesnė) $$\overline{y}_x=\overline{y}+r_{xy}\cdot \dfrac{s_y}{s_x}(x-\overline{x})$$, kur [tex]\overline{x}=\dfrac{1}{N}\cdot \sum\limits_{j=1}^{n}x_i\cdot k'_i[/tex], [tex]k'_i[/tex]-i-tojo stulpelio dažnių suma [tex]\overline{y}=\dfrac{1}{N}\cdot \sum\limits_{j=1}^{m}y_j\cdot k_j[/tex], [tex]k_j[/tex]-j-tosios eilutės dažnių suma [tex]s_x^2=\dfrac{1}{N}\cdot \sum\limits_{i=1}^{n}(x_i-\overline{x})^2\cdot k'_i[/tex] [tex]s_y^2=\dfrac{1}{N}\cdot \sum\limits_{j=1}^{m}(y_j-\overline{y})^2\cdot k_j[/tex] [tex]s_{xy}=\dfrac{1}{N}\cdot \sum\limits_{i=1}^{n}\sum\limits_{j=1}^{m}(x_i-\overline{x})(y_j-\overline{y})\cdot k_{ij}[/tex] [tex]r_{xy}=\dfrac{s_{xy}}{s_x\cdot s_y}[/tex]