বাস্তবে আপনি এমন একটি মডেলটির কথা ভাবছেন যেখানে বৃষ্টিপাতের প্রকৃত সম্ভাবনা, পি , পূর্বাভাসের সুযোগের একটি কাজ q : p = p (q )। প্রতিবার পূর্বাভাস দেওয়ার পরে, আপনি বার্নোল্লি পার্থক্যের সাফল্যের সম্ভাবনা পি (কিউ) হওয়ার একটি উপলব্ধি পর্যবেক্ষণ করেন । আপনি যদি বেস ফাংশনগুলির একটি রৈখিক সংমিশ্রণ হিসাবে প্রকৃত সুযোগটি মডেল করতে ইচ্ছুক হন তবে এটি ক্লাসিক লজিস্টিক রিগ্রেশন সেটআপ রয়েছে f1 , f2 , ..., fk ; যে, মডেল বলে
Logit ( পি ) = B0 + + B1 F1 (থ) + + B2 F2 (থ) ... + + বি কে FK (থ) + + ই
আইডির ত্রুটিগুলি ই । আপনি যদি সম্পর্কের ফর্ম সম্পর্কে অজ্ঞেয়বাদী হন (যদিও আবহাওয়াবিদ কোনও ভাল পি (কিউ) - কিউটি যুক্তিযুক্তভাবে ছোট হওয়া উচিত), ভিত্তির জন্য স্প্লাইজের একটি সেট ব্যবহার করার বিষয়টি বিবেচনা করুন। আউটপুট, যথারীতি, সহগের অনুমান এবং ই এর বৈচিত্রের একটি অনুমান নিয়ে গঠিত । ভবিষ্যতের কোন ভবিষ্যদ্বাণী q দেওয়া হয়েছে , আপনার প্রশ্নের উত্তর পেতে কেবলমাত্র অনুমিত সহগের সাথে মডেলটিতে মানটি প্লাগ করুন (এবং যদি আপনি চান তবে উত্তরটির চারপাশে একটি পূর্বাভাস অন্তর তৈরি করতে e এর প্রকরণটি ব্যবহার করুন )।
এই কাঠামোটি অন্যান্য কারণগুলিকে অন্তর্ভুক্ত করার জন্য যথেষ্ট নমনীয়, যেমন সময়ের সাথে সাথে ভবিষ্যদ্বাণীগুলির গুণমান পরিবর্তনের সম্ভাবনা। এটি আপনাকে হাইপোথিসিসগুলিও পরীক্ষা করতে দেয় যেমন পি = কিউ (যা আবহাওয়াবিদ প্রত্যক্ষভাবে দাবি করেন)।