मैं या तो असतत या निरंतर संभावना से संबंधित मुद्दों को संबोधित करूंगा:
माध्य के विवरण के साथ एक समस्या
आपके पास एक बंधी हुई प्रतिक्रिया है। लेकिन जिस मॉडल को आप फिटिंग कर रहे हैं वह बाध्य नहीं है, और इसलिए यह बाध्य के माध्यम से सही ब्लास्ट कर सकता है; आपके कुछ फिट किए गए मूल्य असंभव हो सकते हैं, और पूर्वानुमानित मूल्य अंततः होना चाहिए।
अंत में बीच की तुलना में सच्चा रिश्ता चापलूसी वाला होना चाहिए, क्योंकि यह सीमा के करीब पहुंचता है, इसलिए इसे कुछ फैशन में झुकना होगा।
विचरण के विवरण के साथ एक समस्या
जैसे-जैसे माध्य बंधेगा, वैसे-वैसे विचरण कम होता जाएगा, अन्य चीजें भी बराबर होती जा रही हैं। माध्य और बाउंड के बीच कम जगह है, इसलिए समग्र परिवर्तनशीलता कम हो जाती है (अन्यथा माध्य को औसत से दूर बिंदु पर बाउंड से दूर खींच लिया जाएगा, बाउंड के करीब नहीं।
(वास्तव में, यदि किसी मोहल्ले में सभी जनसंख्या मूल्य बिलकुल बंधे हुए हैं, तो वहां भिन्नता शून्य होगी।)
एक मॉडल जो इस तरह के बंधन से निपटता है, उसे ऐसे प्रभावों को ध्यान में रखना चाहिए।
यदि अनुपात एक गणना चर के लिए है, तो अनुपात के वितरण के लिए एक सामान्य मॉडल एक द्विपद GLM है। माध्य अनुपात और भविष्यवक्ताओं के संबंध के रूप के लिए कई विकल्प हैं, लेकिन सबसे आम एक लॉजिस्टिक जीएलएम होगा (कई अन्य विकल्प आम उपयोग में हैं)।
यदि अनुपात एक निरंतर है (जैसे दूध में क्रीम का प्रतिशत), तो कई विकल्प हैं। बीटा प्रतिगमन एक काफी सामान्य विकल्प लगता है। फिर, यह माध्य और भविष्यवक्ताओं के बीच एक तार्किक संबंध का उपयोग कर सकता है, या यह कुछ अन्य कार्यात्मक रूप का उपयोग कर सकता है।
0 और 1 के बीच एक परिणाम (अनुपात या अंश) के लिए प्रतिगमन भी देखें ।