परिशुद्धता सामान्य वितरण के दो प्राकृतिक मापदंडों में से एक है। इसका मतलब है कि यदि आप दो स्वतंत्र भविष्य कहनेवाला वितरणों को संयोजित करना चाहते हैं (जैसा कि सामान्यीकृत रैखिक मॉडल में), तो आप पूर्ववर्तियों को जोड़ते हैं। वेरिएंस के पास यह संपत्ति नहीं है।
दूसरी ओर, जब आप अवलोकनों का संग्रह कर रहे होते हैं, तो आप अपेक्षाओं का औसत निकाल देते हैं। दूसरे पल एक उम्मीद पैरामीटर है।
दो स्वतंत्र सामान्य वितरणों का दृढ़ संकल्प लेते समय, परिवर्तन जोड़ते हैं।
संबंधित रूप से, यदि आपके पास एक वीनर प्रक्रिया (एक स्टोकेस्टिक प्रक्रिया है जिसकी वृद्धि गौसियन है) तो आप अनंत विभाजन का उपयोग करके तर्क दे सकते हैं कि आधे समय की प्रतीक्षा करने का मतलब है, आधे विचरण के साथ कूदना ।
अंत में, जब एक गाऊसी वितरण स्केलिंग होता है, तो मानक विचलन स्केल किया जाता है।
इसलिए, आप जो कर रहे हैं, उसके आधार पर कई पैरामीटर उपयोगी हैं। यदि आप GLM में भविष्यवाणियों का संयोजन कर रहे हैं, तो परिशुद्धता सबसे "सहज" है।