چرا بازه‌های پیش‌بینی هرگز به صفر نمی‌رسند، اما بازه‌های اطمینان چرا؟

وقتی یک مدل آماری پیش‌بینی تولید می‌کند، عرض نوار عدم‌قطعیت دقیقاً در همان لحظه‌ای تعیین می‌شود که تحلیل‌گر تصمیم می‌گیرد میانگین را تخمین بزند یا یک رویداد فردی در آینده را. همین یک انتخاب مشخص می‌کند که آیا حاشیه خطا با جمع‌آوری داده‌های بیشتر کوچک می‌شود، یا به یک کف سخت و ریاضی برخورد می‌کند.

این تمایز به ماهیت آنچه اندازه‌گیری می‌شود بستگی دارد. از زمانی که یرژی نیمن در سال ۱۹۳۷ این مفهوم را فرمول‌بندی کرد، بازه اطمینان (CI) برای تخمین یک پارامتر غیرقابل‌مشاهده در جامعه آماری، که معمولاً میانگین است، استفاده می‌شود. اگر پژوهشگری بخواهد میانگین قد تمام بزرگسالان یک شهر را بداند، از یک زیرمجموعه نمونه‌گیری کرده و میانگین را محاسبه می‌کند. بازه اطمینان ۹۵ درصدی محدوده‌ای را ارائه می‌دهد که اگر این نمونه‌گیری ۱۰۰۰ بار تکرار شود، در ۹۵۰ مورد شامل میانگین واقعی جامعه خواهد بود.[3][4]

از آنجا که بازه اطمینان تنها میانگین را تخمین می‌زند، عرض آن کاملاً به حجم نمونه و واریانس نمونه بستگی دارد. خطای استاندارد میانگین از تقسیم انحراف معیار نمونه بر جذر حجم نمونه به دست می‌آید. هرچه حجم نمونه بزرگ‌تر شود، مخرج کسر افزایش یافته و خطای استاندارد کوچک‌تر می‌شود.[4]

در مقابل، بازه پیش‌بینی (PI) مقدار دقیق یک داده فردی و مشاهده‌نشده در آینده را تخمین می‌زند. اگر بیمارستانی بخواهد بداند بیمار بعدی که پذیرش می‌شود چه مدت بستری خواهد بود، میانگین مدت اقامت کافی نیست. این پیش‌بینی باید هم عدم‌قطعیت در میانگین تخمینی و هم پراکندگی طبیعی و کاهش‌ناپذیر بدن انسان‌های مختلف را در نظر بگیرد.[1][2]

فرمول ریاضی بازه پیش‌بینی این واقعیت را به‌وضوح نشان می‌دهد. در داخل رادیکال محاسبه خطای استاندارد، فرمول بازه پیش‌بینی عدد «۱» را به عبارت واریانس اضافه می‌کند. این عدد صحیح منفرد، نشان‌دهنده واریانس ذاتی خود جامعه آماری است؛ یعنی همان نویز تصادفی که نمی‌توان با میانگین‌گیری آن را حذف کرد.[1][5]

این موضوع باعث ایجاد یک واگرایی دائمی در رفتار این دو بازه با انباشته شدن داده‌ها می‌شود. بازه اطمینان از نظر تئوری می‌تواند با یک نمونه بی‌نهایت بزرگ به عرض صفر برسد، زیرا عدم‌قطعیت درباره میانگین از بین می‌رود. اما عرض بازه پیش‌بینی برای همیشه توسط واریانس طبیعی جامعه محدود می‌شود. هیچ مقدار از داده نمی‌تواند عدم‌قطعیت یک رویداد فردی در آینده را از بین ببرد.[1][4][7]

پیامدهای اشتباه گرفتن این دو بسیار جدی است. تحلیلی در سال ۲۰۲۵ توسط متریک‌گیت نشان می‌دهد که اعمال بازه اطمینان برای یک مسئله پیش‌بینی، به نوارهایی منجر می‌شود که به‌طور خطرناکی باریک هستند. هیچ‌یک از مستندات آماری ارجاع‌داده‌شده شامل نقل‌قول‌های مستقیم و محاوره‌ای از پژوهشگران نیستند؛ این منابع کاملاً بر اثبات‌های ریاضی و فرمول‌های تعریفی تکیه دارند. بااین‌حال، همین فرمول‌ها دیکته می‌کنند که جایگزین کردن بازه پیش‌بینی با بازه اطمینان، ریسک را به‌شدت دست‌کم می‌گیرد.[4][5]

در پیش‌بینی‌های کاربردی، مدل‌های سری زمانی به بازه‌های پیش‌بینی نیاز دارند، زیرا هدف تقریباً همیشه محدود کردن یک مشاهده در آینده است، نه یک میانگین تاریخی. یک سیستم موجودی خرده‌فروشی باید حداکثر تقاضای ممکن برای یک سه‌شنبه خاص را بداند، نه میانگین تقاضا در تمام سه‌شنبه‌ها.[1]

دسته سوم، بازه تحمل (Tolerance Interval) است که به‌جای یک نقطه منفرد یا یک میانگین، نسبت مشخصی از کل جامعه آماری را محدود می‌کند. این بازه که اولین بار در سال ۱۹۴۱ برای کنترل کیفیت تولید توسعه یافت، با اطمینان ۹۹ درصد محدوده‌ای را ارائه می‌دهد که ۹۵ درصد از مواقع، شامل ۹۵ درصد از تمام مقادیر فردی است.[2][4]

این تمایزات بازه‌ای از کارآزمایی‌های بالینی کنترل‌شده فراتر رفته و به علوم اجتماعی مشاهده‌ای نیز کشیده می‌شوند. در تحلیل اقتصادهای غیرقانونی (مانند مطالعه آکسفورد آکادمیک درباره تأثیر سرکوب‌های پلیس بر بازارهای غیرقانونی)، پژوهشگران باید اثر میانگین یک سیاست را از رفتار پیش‌بینی‌شده یک بازیگر خاص بازار در یک روز معین تفکیک کنند.[6]

هر سه بازه یک نقطه‌ضعف اساسی مشترک دارند: آن‌ها فرض می‌کنند که خطاهای داده‌های پایه دارای توزیع نرمال و هم‌واریانسی (Homoscedasticity) هستند، به این معنی که واریانس ثابتی دارند. اگر داده‌ها دارای دم‌های پهن یا توزیع‌های چوله باشند، فرمول‌های پارامتریک استاندارد بازه‌هایی تولید می‌کنند که نمی‌توانند به نرخ پوشش اسمی ۹۵ درصدی خود برسند.[3][5]

انتخاب بازه، مرز بین دانش نظری و ریسک کاربردی را تعیین می‌کند. تخمین میانگین، بینشی از رفتار کلی سیستم ارائه می‌دهد، اما محدود کردن مشاهده بعدی، سیستم را برای واقعیت آماده می‌کند. ریاضیات ایجاب می‌کند که تحلیل‌گران پیش از نوشتن اولین خط کد، به‌طور شفاف مشخص کنند که در تلاش برای حل کدام مسئله هستند.