Considérons le modèle Yi=β0+β1X1,i+β2X2,i+…+βKXK,i+ui. En utilisant les 5 hypothèses du théorème Gauss-Markov et en ajoutant l'hypothèse de normalité des distributions, on pourra démontrer que ^βi−βiσ^βi∼TN−K−1 avec σ^βi comme écart-type estimé de ^βi dans le cas d'un modèle avec N données et K+1 paramètres à estimer (le dernier étant la constante). Les éléments N−K−1 se définissent comme les degrés de liberté. Notons que l'hypothèse de normalité des distributions n'est pas utile pour ce théorème. L'hypothèse de normalité des distributions signifie que le terme d'erreur u est indépendant des variables explicatives et qu'il est normalement distribué avec une moyenne nulle et une variance σ2.