Trong các quan sát hồi quy tuyến tính được giả sử tuân theo phân phối Gaussian với tham số trung bình có điều kiện trên các giá trị dự đoán. Nếu bạn trừ giá trị trung bình khỏi các quan sát bạn nhận được lỗi : phân phối Gaussian với giá trị trung bình bằng 0, và không phụ thuộc vào giá trị dự đoán, đó là lỗi tại bất kỳ tập hợp giá trị dự đoán nào theo cùng phân phối.
Trong các quan sát hồi quy logistic được giả sử tuân theo phân phối Bernoulli † với tham số trung bình (xác suất) có điều kiện trên các giá trị dự đoán. Vì vậy, đối với bất kỳ giá trị dự đoán đã cho nào xác định giá trị trung bình π , chỉ có hai lỗi có thể xảy ra: 1 - π xảy ra với xác suất π , và 0 - π xảy ra với xác suất 1 - π . Đối với giá trị dự đoán khác các lỗi sẽ được 1 - π ' xảy ra với xác suất π 'y∈{0,1}π1−ππ0−π1−π1−π′π′, & xảy ra với xác suất 1 - π ' . Vì vậy, không có phân phối lỗi phổ biến độc lập với các giá trị dự đoán, đó là lý do tại sao mọi người nói "không tồn tại thuật ngữ lỗi" (1).0−π′1−π′
"Thuật ngữ lỗi có phân phối nhị thức" (2) chỉ là sự chậm chạp "Các mô hình Gaussian có lỗi Gaussian, các mô hình nhị thức ergo có lỗi nhị thức". (Hoặc, như @whuber chỉ ra, nó có thể được hiểu là "sự khác biệt giữa một quan sát và kỳ vọng của nó có phân phối nhị thức được dịch theo kỳ vọng".)
"Thuật ngữ lỗi có phân phối logistic" (3) phát sinh từ việc lấy hồi quy logistic từ mô hình mà bạn quan sát xem một biến tiềm ẩn có lỗi sau phân phối logistic có vượt quá ngưỡng không. Vì vậy, nó không phải là cùng một lỗi được xác định ở trên. (Có vẻ như có một điều kỳ lạ khi nói IMO bên ngoài bối cảnh đó hoặc không có tham chiếu rõ ràng đến biến tiềm ẩn.)
† Nếu bạn có quan sát với các giá trị dự báo tương tự, cho xác suất cùng π cho mỗi, sau đó tổng của chúng Σ y tuân theo phân phối nhị thức với xác suất π và không. thử nghiệm k . Xét Σ y - k π như dẫn lỗi cho kết luận tương tự.kπ∑yπk∑y−kπ