Neste artigo, apresentamos uma discussão sobre modelos de regressão, especialmente aqueles pertencentes a classe de localização. A principal motivação desta pesquisa é mostrar que, mesmo usando simples distribuições que algumas vezes não são assim flexível, podemos obter melhores resultados quando comparados com distribuições complexas. Para melhorar os modelos, estamos adotando o aditivo generalizado modelos para localização, escala e estrutura de forma, o que permite vários parâmetros (características) dos modelos probabilísticos, como média, moda, variância e outros. Lidar com efeitos não lineares, funções suaves, tais como splines penalizadas, são incorporadas no estruturas de regressão. No final, as comparações são feitas usando três conjuntos de dados reais, mostrando que modelos probabilísticos simples e interpretáveis são preferíveis, ao usar um mais complexo estrutura de regressão, do que modelos probabilísticos complexos.