Trong thực tế, bạn đang nghĩ về một mô hình trong đó cơ hội thực sự của mưa, p , là một hàm của cơ hội dự đoán q : p = p (q ). Mỗi khi dự đoán được đưa ra, bạn quan sát thấy một biến thể của biến Bernoulli có xác suất p (q) thành công. Đây là một thiết lập hồi quy logistic cổ điển nếu bạn sẵn sàng mô hình hóa cơ hội thực sự dưới dạng kết hợp tuyến tính của các hàm cơ bản F1 , f2 , ..., fk ; đó là, mô hình nói
Đăng nhập ( p ) = b0 + b1 f1 (q) + b2 f2 (q) + ... + bk fk (q) + e
với lỗi iid e . Nếu bạn không biết về hình thức của mối quan hệ (mặc dù nếu người thời tiết là bất kỳ p (q) - q nào cũng phải nhỏ một cách hợp lý), hãy cân nhắc sử dụng một bộ spline cho cơ sở. Đầu ra, như thường lệ, bao gồm các ước tính của các hệ số và ước tính phương sai của e . Đưa ra bất kỳ dự đoán nào trong tương lai q , chỉ cần cắm giá trị vào mô hình với các hệ số ước tính để có câu trả lời cho câu hỏi của bạn (và sử dụng phương sai của e để xây dựng khoảng dự đoán xung quanh câu trả lời đó nếu bạn muốn).
Khung này đủ linh hoạt để bao gồm các yếu tố khác, chẳng hạn như khả năng thay đổi chất lượng dự đoán theo thời gian. Nó cũng cho phép bạn kiểm tra các giả thuyết, chẳng hạn như liệu p = q (đó là những gì người dự báo ngầm tuyên bố).