推定上、x=0でのy1は許せないものだった.疫学的に考えて、不自然だからだ（過去記事）.余興として、推定関数の最小値がたどる線を操作したが、今回は数的ペナルティを加える.
　また、関係式と重ねて推定させてみる.

・ペナルティー推定関数
　下表、観察ｙ、曝露ｘのパターンと最小二乗、ペナルティー項（ペナルティー項に定数を乗じたり、べき乗したりして、試算）.

　まずは、試しに・・最小二乗項にペナルティーとして (y(1-pr))^2 を加え sum して minimizeする.
　　
　結果、推定値は異常に変化する様子はなく、概して、icが大きめになる.その結果をIDごとにpiに入れ、yと比べてみると、はずれ数は変わらなかったが、pr ０付近ではねらいどおりy1を避けた（下図）.

　 　図　推定確率によるy1割合（累計）　　　（赤 ：lm、青：ﾍﾟﾅ加モデル）

　推定関数を改良　
　　　sum( ( y-pr)^2 + ( y*(1-pr )/1.4 ) ^2.5　)
　としたとき、piは x=0　y1をうまく避けるようだった.

　推定関数の操作によるpiは概して極端な結果になりがちだったが、今回は幾分マトモ.

　はずれ数の改善がうまくいかないからには、僅かにリスクを持つ因子も再検討すべきかもしれない.　　

　推定関数は、最小二乗にも最尤推定にも　y-pi　が含まれる.それだけにｙ＝１、ｘ＝０のpiとy=０ｘ＝１とが対等に扱われてしまう.曝露があるからこそ発生が許されるという、あたりまえの状態を　最尤推定も最小二乗もあえてもたないのだ.だからｙ＝１はｘ＝０では許さない式を加えると妙な代償性変化は減らせ、モデルの改善も進みやすいということだろうか.

　図図