正如Logit模型中写的，logit模型是一种典型的分类模型
Probit模型与Logit模型没有本质区别，模型结果的差别也不大。
区别是Logit模型假设随机变量服从logistics distribution，Probit模型假设随机变量服从正态分布
关于Logit模型和logistic distribution见于我的另一篇博客
另外，一般所说的Probit模型，y有两个取值0-1。有序Probit模型中，y是离散、有序的多个取值
模型建立
$Y^* =wx+\varepsilon$
其中，
Y是离散化的$Y^* $,$Y^* $是Y的连续化，它们之间的对应关系是：
$Y=k \Longleftrightarrow Y^* \in (u_{k-1},u_k],k\in [1,m]$
$\varepsilon$服从标准正态分布
(因此probit模型适用于：y是有序离散变量的情景。模型与y的次序有关，与y的值无关)
模型输出
$P(Y=k \mid X)=P(Y^* \in [u_{k-1},u_k] \mid X)=\Phi(u_k-wx)-\Phi (u_{k-1}-wx)$
模型计算
令$u_0=-\infty,u_m=+\infty$
需要求解的参数是$(u_1,u_2,…,u_{m-1},w)$
方法是经典MLE方法，不多解释
