Modèle Gaussien

$\bullet\hspace{2mm} Y_i \sim N(g(<t_i,\beta>),\sigma^2) \Rightarrow f_i(y,\beta,\zeta)=e^{-\frac{1}{2\sigma^2}(y-g(<t_i,\beta>))^2}$.

$\bullet\hspace{2mm} \theta_i=g(<t_i,\beta>) \Rightarrow a=g$, $b(\theta_i)=\frac{1}{2}\theta_i^2$ et $\zeta=\sigma^2$.

$\bullet\hspace{2mm} \mu_i=E(Y_i)=g(<ti,\beta>)$ et $Var(Y_i)=\sigma^2=\zeta$.

$\bullet\hspace{2mm}$ fonction variance :1 et fonction de lien :g^-1.

$\bullet\hspace{2mm} \widehat{r_i}=y_i-\widehat{y_i}$ avec $\widehat{y_i}=\widehat{\mu_i}=g(<t_i,\widehat{\beta}>)$ et $Dev=\sum_i(y_i-\widehat{y_i})^2$.