Aby oszacować wektor wprowadzona została funkcja wiarygodności która zależy tylko od parametrów, które mają zostać oszacowane. Sama postać funkcji wiarygodności zależy od wariantu modelu. Dla dwuwymiarowego modelu probitowego z pełną obserwowalnością (niecenzorowanego) jest to:

gdzie

jest dwuwymiarowym rozkładem normalnym:

a

Dla dwuwymiarowego modelu probitowego z częściową obserwowalnością (cenzorowanego) funkcja wiarygodności ma następującą postać:

W celu maksymalizacji funkcji wiarygodności z częściową obserwowalnością w AdvancedMiner stosowany jest algorytm Newtona-Raphsona, który szuka miejsc zerowych pierwszych pochodnych cząstkowych logarytmu funkcji wiarygodności.

Do estymacji parametrów modelu używany jest estymator Berndta, Halla, Halla i Hausmana (tzw. estymator BHHH, por. Berndt i in. 1974). Macierz informacji przybliża się jako iloczyn diadyczny (ang. outer product) gradientów:

gdzie a estymator BHHH używa macierzy odwrotnej do .

W celu przetestowania globalnej istotności oszacowanych parametrów (hipoteza zerowa postaci ) wyliczane są trzy statystyki:

Wszystkie trzy statystyki mają asymptotyczny rozkład chi-kwadrat o liczbie stopni swobody równej wymiarowi wektora .

Do testowania własności oszacowanych parametrów (hipoteza zerowa postaci , gdzie jest macierzą współczynników liniowych) wyliczana jest statystyka Walda dla estymatorów parametrów. Przy założeniu prawdziwości hipotezy zerowej statystyka Walda ma asymptotyczny rozkład chi-kwadrat z liczbą stopni swobody równą rzędowi macierzy .

Przy założeniu prawdziwości hipotezy zerowej mówiącej, że jest równe 0, model składa się z dwóch niezależnych równań probitowej regresji logistycznej, które mogą być estymowane oddzielnie. Do testowania prawdziwości założenia o braku korelacji wprowadza się następującą postać mnożnika Lagrange'a:

Przy założeniu prawdziwości hipotezy zerowej, ten test ma w przybliżeniu rozkład chi-kwadrat z jednym stopniem swobody.

Przedział ufności dla oszacowań parametrów jest obliczany dla poziomu ufności na poziomie Confidence Level= określonym w bieżącym obiekcie Algorithm Settings. Dolne i górne granice przedziału są obliczane jako:

gdzie jest percentylem standardowego rozkładu normalnego, a są i-tymi elementami przekątnej macierzy kowariancji estymatorów.