Предполагается, что при линейной регрессии наблюдения следуют гауссову распределению со средним параметром, зависящим от значений предиктора. Если вы вычтете среднее значение из наблюдений, вы получите ошибку : гауссово распределение со средним нулем и независимо от значений предикторов, то есть ошибки при любом наборе значений предикторов следуют тому же распределению.
y∈{0,1}π1−ππ0−π1−π1−π′π′0−π′1−π′
«Термин ошибки имеет биномиальное распределение» (2) - просто неряшливость - «Гауссовские модели имеют гауссовские ошибки, эргономические биномиальные модели имеют биномиальные ошибки». (Или, как указывает @whuber, это может означать, что «разница между наблюдением и его ожиданием имеет биномиальное распределение, переведенное ожиданием».)
«Термин ошибки имеет логистическое распределение» (3) возникает в результате выведения логистической регрессии из модели, в которой вы наблюдаете, превышает ли скрытая переменная с ошибками после логистического распределения какой-либо порог. Так что это не та же самая ошибка, определенная выше. (Было бы странно говорить IMO вне этого контекста или без явной ссылки на скрытую переменную.)
kπ∑yπk∑y−kπ