Syftet med uppsatsen är att studera olika residualfördelningar i samband med skapande av modeller föratt predicera valresultat till Sveriges riksdag. Modellerna inkluderar olika typer av t-fördelningar,gammafördelningen samt normalfördelningen som används som referensmodell från en tidigare studie.Strukturella regressionsmodeller och opinionsundersökningar är viktiga hörnstenar för att besvarastudiens frågeställningar. Metoder kopplade till bayesiansk statistik används kontinuerligt genomstudien där dragningar från aposteriorifördelningen liksom den prediktiva fördelningen genereras medhjälp av Markov chain Monte Carlo. För att utvärdera de framtagna modellerna används RMSE,prediktionsintervall, PIT-värden samt ELPD, där särskild vikt läggs vid värdet på ELPD. Resultatetdemonstrerar att den trunkerade t-fördelningen samt den icke-centrerade t-fördelningen generellt gerbäst resultat. För vissa partier, såsom Vänsterpartiet, visar sig dock andra fördelningar vara bättrelämpade vilket kan bero på dessa partiers storlek. Vidare väljs modellerna med icke-centrerad t-fördelning samt trunkerad t-fördelning ut för enjämförelse med de två referensmodellerna vid prediktion för valet 2018. Modell 5 väljs ut som den bästlämpade modellen för valprediktion i en svensk kontext och den prediktiva fördelningen för respektiveparti och valår 2018 illustreras. Slutligen skattas och tolkas parametrarna β och υ för modellen.Resultatet visar att lämpligheten för olika fördelningar varierar mellan partierna, men att en t-fördelninggenerellt ger ett bättre resultat, vad gäller valprediktionens träffsäkerhet, än normalfördelningen.Resultatet blir bättre när det skapas en trunkerad t-fördelning vid 0 vilket stoppar möjligheten förnegativa dragningar av valresultat, något som normalfördelningen och t-fördelningen ej åstadkommer.