Mô hình hồi quy tuyến tính cũng như mô hình chuỗi thời gian được áp dụng trong nhiều lĩnh vực, trong đó trung bình của biến phụ thuộc là một hàm số của trung bình các biến độc lập. Tuy nhiên, khi xem xét mô hình hồi quy theo phương pháp thống kê cổ điển (thống kê tần suất), tức là các tham số là hằng số, trong nhiều tình huống mô hình hồi quy không mô tả đúng sự biến động của đồng thời biến phụ thuộc và biến độc lập. Bởi vậy, chúng ta cần hiệu chỉnh các tham số không còn dưới dạng hằng số mà dưới dạng biến ngẫu nhiên như mô hình hồi quy trong thống kê Bayes. Mặt khác, khi xem xét các tham số như một biến ngẫu nhiên, các tính toán trong mô hình hồi quy trở nên vô cùng phức tạp, bởi vì chúng ta cần tính toán tích của các phân phối xác suất. Chính vì vậy, chúng ta phải có các đánh giá về sự đa dạng về phân phối xác suất của các biến trong mô hình hồi quy, chứ không chỉ đơn thuần về dạng phân phối như phân phối chuẩn, phân phối Student t, phân phối Poisson, phân phối nhị thức... Trong bài báo này, chúng tôi ước lượng dạng phân phối xác suất của biến phụ thuộc trong mô hình hồi quy Bayes đơn trong một số trường hợp thay đổi dạng phân phối xác suất của biến độc lập. Bên cạnh đó, chúng tôi ứng dụng kết quả với dữ liệu giá chứng khoán thực, minh chứng dạng phân phối xác suất phù hợp nhất với dữ liệu là dạng hỗn hợp các phân phối xác suất chứ không phải dạng phân phối chuẩn đơn lẻ.