Klasickým lineárním modelem rozumíme model ve tvaru (maticový zápis)
kde
Y je vektor n hodnot vysvětlované proměnné
X je matice hodnot vysvětlujících proměnných o rozměrech n´(k+1)
β je vektor p neznámých parametrů (p=k+1)
ε je vektor n hodnot náhodné složky
Střední hodnota náhodné složky je nulová. Tato podmínka znamená, že náhodná složka nepůsobí systematickým způsobem na hodnoty vysvětlované proměnné Y.
Rozptyl náhodné složky je konstantní (hovoříme o tzv. homoskedasticitě). Tato podmínka vyjadřuje, že variabilita náhodné složky nezávisí na hodnotách vysvětlujících proměnných a tudíž i podmíněná variabilita vysvětlované proměnné nezávisí na hodnotách vysvětlujících proměnných a je rovna neznámé kladné konstantě .
Kovariance náhodné složky je nulová. Tedy hodnoty náhodné složky jsou nekorelované a z toho vyplývá i nekorelovanost různých dvojic pozorování vysvětlované proměnné Y.
Tato podmínka vyžaduje, aby mezi vysvětlujícími proměnnými nebyla funkční lineární závislost, tedy v matici X nesmí existovat lineárně závislé sloupce. Počet vysvětlujících proměnných nesmí být pochopitelně větší než počet pozorování a v praxi by být měl počet pozorování výrazně větší než počet vysvětlujících proměnných.
Z této podmínky vyplývá normalita i pro vysvětlovanou proměnnou Y. Náhodný vektor Y má potom n-rozměrné normální rozdělení s vektorem středních hodnot Xβ a kovarianční maticí .