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 ^βiβiσ^βiTNK1 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 NK1 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.