Una tercera opción es usar una función exponencial que da el modelo de riesgos proporcionales.
[4] La versión probit del modelo anterior se puede justificar asumiendo la existencia de una variable latente de valor real (cantidad no observada) y*, determinada por[5] donde ε se distribuye normalmente con media cero y varianza unitaria, condicionada a x.
La probabilidad logarítmica del modelo logit ordenado es análoga, usando la función logística en lugar de Φ.
Un resultado temprano fue PRank, una variante del algoritmo del perceptrón que encontró múltiples hiperplanos paralelos que separaban los distintos rangos; su salida es un vector de peso w y un vector ordenado de K −1 umbrales θ, como en los modelos ordenados logit/probit.
La regla de predicción para este modelo es generar el rango más pequeño k tal que wx < θk.