予測区間

予測区間（よそくくかん）とは統計学用語で、母集団を仮定した上で、将来観察されるであろう標本値（現在は測定できない）に対して「どの範囲にあると予測されるか」を示すものである。

これに対し、信頼区間とは、母集団の母数（標本から測定できない）に対して 「どの範囲にあると推定できるか」を示すものである。混同しないように注意。

例

正規分布に従う母集団から標本を抽出したとしよう。母集団の平均と標準偏差は不明である（標本から推定できるのみ）。n を標本サイズ、 μと σ を母集団の平均と標準偏差とし、 X₁, ...,X_n を現在までの標本として、これから次の観察値X_n+1 を予測したい。現在までの標本の平均および分散を

${\displaystyle {\overline {X}}_{n}=(X_{1}+\cdots +X_{n})/n}$

${\displaystyle S_{n}^{2}={1 \over n-1}\sum _{i=1}^{n}(X_{i}-{\overline {X}}_{n})^{2}}$

とする。ここで次の数値：

${\displaystyle {T_{n-1}}\sim {X_{n+1}-{\overline {X}}_{n} \over {\sqrt {S_{n}^{2}+S_{n}^{2}/n}}}={X_{n+1}-{\overline {X}}_{n} \over S_{n}{\sqrt {1+1/n}}}}$

を考えると、これはスチューデントのt分布（自由度 n − 1 ）に従うことが示される。従って

${\displaystyle \Pr \left({\overline {X}}_{n}-T_{a}S_{n}{\sqrt {1+(1/n)}}\leq X_{n+1}\leq {\overline {X}}_{n}+T_{a}S_{n}{\sqrt {1+(1/n)}}\,\right)=p}$

とすれば、T_a は自由度 n − 1 のt分布における 100((1 + p)/2)パーセント点である。そして

${\displaystyle {\overline {X}}_{n}\pm T_{a}{S}_{n}{\sqrt {1+(1/n)}}}$

という数値が X_n+1 に対する100p%予測区間の境界を表す。

例えば p = 0.95 とすれば、95%予測区間ということになる。

関連項目

ポータル 数学

• 傾向推定

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
要約統計量	連続確率分布 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック-ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	交絡 ピアソンの積率相関係数 順位相関（スピアマンの順位相関係数 ・ケンドールの順位相関係数 ）
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 <! -- 名前に回帰とついていますが確率を回帰する分類手法です --> 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法 （k-means++法 ） DBSCAN 密度推定（英語版） カーネル密度推定 （ カーネル ） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉表示 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存分析	生存関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ