Er moeten een aantal onderliggende aannames uit elkaar geknipt worden:
1) een t-verdeling is in de basis 'gewoon' een theoretische kansverdeling. Deze kan worden opgesteld zoals men wenst. De t-verdeling heeft een aantal parameters waarop gevarieerd kan worden: Een (geschat) gemiddelde, een (geschatte) standaardeviatie, en vrijheidsgraden. Ieder van deze parameters kan een waarde toegekend worden die de vorm van de verdeling bepaald, en daarmee de kansen op bepaalde observaties in de populatie (uitkomstenruimte) van de verdeling.
2) Onder een systeem van nulhypothesetoetsing wordt vaak (maar niet altijd) getoetst tegen een nulhypothese die stelt dat in de populatie geen verband is tussen twee dingen. Er zijn ook andere nulhypothesen mogelijk. Dit komt omdat een nulhypothese inhoud dat je toetst of een observatie waarschijnlijk is onder de assumptie dat de populatie zich gedraagt naar een gespecificeerde theoretische verdeling. Dus als de populatie zich gedraagt als een t-verdeling, en je verondersteld dat het gemiddelde verschil tussen twee groepen nul is, en de standaarddeviatie in de populatie is zoals berekend in de steekproef, dan....
Het is dus ook mogelijk om onder andere assumpties te opereren. Bijvoorbeeld: stel dat je weet dat twee groepen altijd 10 IQ punten van elkaar verschillen, en je wilt weten of dat nog zo is, dan zou je mogen toetsen tegen een nulhypothese met als gemiddelde verschil -10. In de praktijk gebeurd dit zo weinig dat standaard analyseprogramma's dit niet als optie aanbieden zonder dat de gebruiker programmeerwerk ervoor moet doen.
3) Een B wordt verondersteld om t-verdeeld te zijn, met als nulhypothese dat er geen verband is. Geen verband betekent B = 0, dus als B niet nul is, kun je de B delen door de standaarderror, want (B - 0 = B) om een t-waarde te krijgen. Deze t-waarde drukt uit hoeveel standaarderrors de B van nul ligt, en daar kan een bijbehorende kans op berekend worden.
4) De alpha is geen deel van de berekening: dit is een criterium dat door de onderzoeker wordt bepaald. Het is niets meer dan de p-waarde waarvanaf gesteld wordt dat de p-waarde als 'klein' mag worden gezien. Het is de hoeveelheid type-1 fout (kans op false positive) die de onderzoeker acceptabel acht.
5) De standaardmeetfout van het regressiemodel is niet een constante. De meetfout is het kleinst in het centrum van de data, en neemt toe in de staarten van de dataverdeling. De 'fit' van het model wordt daarom uitgedrukt in de (multipele) correlatiecoefficient R. Dit betreft een correlatie tussen de lijn (model) en datapunten. De minder meetfout des te hoger R zal zijn.
