W przypadku rozkładów wielopunktowych i wielomianowych przewidywany jest wektor K prawdopodobieństw, z zastrzeżeniem, że prawdopodobieństwa muszą sumować się do 1. W przypadku rozkładu wielomianowego i wektorowej postaci rozkładu wielopunktowego oczekiwane wartości elementów wektora można powiązać z przewidywanymi prawdopodobieństwami podobnie jak w przypadku rozkładu dwumianowego i rozkładu zero-jedynkowego.

Estymacja Metoda maksymalnej wiarygodności Oszacowania największej wiarygodności można znaleźć za pomocą iteracyjnie przeważonego algorytmu najmniejszych kwadratów/metody Newtona z aktualizacjami postaci:

lub za pomocą metody ocen Fishera (Fisher scoring):

gdzie jest funkcją wynikową (gradientem log-wiarygodności); jest obserwowaną macierzą informacyjną (ujemną macierzą Hessego), a jest macierzą informacyjną Fishera. Warto zauważyć, że jeśli korzystamy z kanonicznej funkcji wiążącej, to te macierze takie same.

Metody bayesowskie Zwykle rozkładu a posteriori nie można wyrazić w sposób jawny, dlatego aproksymuje się go za pomocą przybliżeń Laplace'a lub z wykorzystaniem jakiejś formy próbkowania Monte Carlo łańcuchami Markowa, np. próbkowania Gibbsa.

Przykłady Ogólne modele liniowe Podobieństwo nazwy między uogólnionymi modelami liniowymi i , dwoma szerokimi grupami modeli statystycznych, może prowadzić do nieporozumień. Współtwórca John Nelder wyraził ubolewanie z powodu zastosowania tego nazewnictwa..