предположим, что:
– условное распределение случайного вектора относительно матрицы является мерным нормальным распределением ;
– известная положительно определенная матрица размерности .
Поскольку ковариационная матрица, она к тому же и симметрична; таковой же будет и обратная к ней матрица . Но тогда существует такая невырожденная ()-матрица , что . Используя матрицу , преобразуем вектор к вектору: . При этом и условная (относительно )ковариационная матрица вектора
,
так что
.
Преобразуя с помощью матрицы P обе части основного уравнения
,
получаем:
,
или
,
где
.
В преобразованном уравнении ~ , так что преобразованная модель удовлетворяет условиям, характеризующим ситуацию А'. Это означает, что все результаты, полученные в ситуации А, применимы к модели .
В частности, оценка наименьших квадратов
является несмещенной, т.е. ,ее условное распределение (относительно )нормально и имеет ковариационную матрицу
.
Эта оценка известна как обобщенная оценка наименьших квадратов (GLS – generalized least squares) .
В рамках модели можно использовать обычные статистические процедуры, основанные на и статистиках.
Если ковариационная матрица не известна априори, то обычно ограничиваются моделями, в которых она параметризована, так что ,где векторный параметр, который приходится оценивать по имеющимся наблюдениям. При этом достаточно часто можно использовать стандартные выводы в асимптотическом плане, заменяя в выражении для GLS оценки неизвестную матрицу ( истинная ковариационная матрица вектора )матрицей ,где любая состоятельная оценка для . Более того, такую состоятельную оценку часто можно получить простым анализом остатков при оценивании обычной процедурой наименьших квадратов.