我々は、サーベイ密度予測をモデルベースの予測分布に組み込むための直接的なアプローチを開発する。米国専門家予測者サーベイ（SPF）からのヒストグラム予測は、期待される結果に関する豊富な非パラメトリック情報を含んでいるが、既存の方法はそれの一部を破棄するモーメントベースの近似に依存している。我々は代わりに、ヒストグラム確率自体にエントロピー的に傾斜させ、それらを正確に一致させる。単一ヒストグラム問題を再定式化した後、複数のヒストグラムの場合の新しい解析的特徴付けを導出し、それは反復比例適合によって解決され、実質的に任意のモデルからのシミュレートされた密度に適用可能である。この方法を時間変動ボラティリティを持つベイズVARからのリアルタイム予測に適用すると、SPFヒストグラムへの傾斜は、特に大不況期とCOVID-19パンデミック期において、モデルのベースライン予測と比較して精度を大幅に向上させることがわかる。この改善は、SPFが対象とする変数にとどまらず、システム内の他の変数の予測も改善する。