平均值的信賴區間與未來單筆觀測的預測區間，回答的是不同問題。前者估計未知的平均值；後者還要考慮個別結果可能偏離平均值多少。比較上下界之前，先確認要涵蓋的對象：兩個區間即使有相同中心，也可能有不同用途。
例如，你可能想估計某個穩定測量程序的平均讀值，也可能想預測它的下一筆讀值。更精確地知道平均值，不會消除個別讀值之間的變異。NIST在說明中，便將估計平均反應與新的實測反應分開處理。NIST：估計平均反應。
先確認區間要涵蓋什麼
先用文字寫出目標。是母體平均值、特定輸入下的平均反應，還是一筆新的觀測值？信賴區間也可以用於平均值以外的參數；本文只比較平均值與單一未來值。
在迴歸分析中，估計平均反應指的是特定解釋變數值下的平均值。同樣條件下的個別反應，還有自身的隨機變異。預測區間必須納入這部分額外變異。NIST：單一反應的不確定性。
| 問題 | 目標 | 本次比較適用的區間 | 不能據此認定什麼 |
|---|---|---|---|
| 這個程序的平均讀值是多少？ | 未知的母體平均值 | 該平均值的信賴區間 | 它是用來涵蓋下一筆個別讀值的範圍 |
| 下一筆讀值應參考什麼範圍？ | 同一程序產生的一筆獨立未來觀測 | 單筆觀測的預測區間 | 該讀值一定落在範圍內 |
在明確定義的模型下計算
假設有一個虛構程序，測量值以任意單位表示。觀測值是來自同一常態分配的獨立抽樣。其平均值μ未知；母體標準差σ已知為10單位。一組25筆測量的樣本，觀測到的平均值為50單位。
下一筆讀值與這25筆測量互相獨立，也來自同一個未改變的分配。這些是練習設定的前提，不是實際儀器的研究結果。尤其10是題目設定為已知的母體標準差，並非把樣本估計值默默當成已知數。
雙尾95%區間使用約1.96的標準常態臨界值。在這個模型下，μ的信賴區間為x̄ ± 1.96σ/√n，一筆新的觀測值的預測區間為x̄ ± 1.96σ√(1 + 1/n)。Calvin University的講義列出已知σ的平均值區間，並推導預測所需的額外項。Math 143：信賴區間與§1.11。
| 計算項目 | 平均值的信賴區間 | 單筆觀測的預測區間 |
|---|---|---|
| 中心 | 50單位 | 50單位 |
| 區間使用的標準差 | 10/√25 = 2單位 | 10√(1 + 1/25) ≈ 10.1980單位 |
| 使用1.96計算的半寬 | 1.96 × 2 = 3.92單位 | 1.96 × 10√1.04 ≈ 19.9882單位 |
| 下界 | 46.08單位 | 約30.01單位 |
| 上界 | 53.92單位 | 約69.99單位 |
平均值區間的半寬為3.92單位，預測區間的半寬約為19.99單位。兩者都以觀測到的樣本平均值50為中心，但後者除了平均值估計的不確定性，還必須容納單筆讀值自身的變異。
在此模型中，未來讀值與樣本平均值之差的變異數為σ² + σ²/n = 100 + 4 = 104平方單位。由於兩者獨立，可以把變異數相加，再開平方根得到預測使用的標準差。直接把標準差相加成10 + 2，則是不同而且錯誤的算法。這與NIST對新反應值所說明的變異數合併原則相同。
95%描述的是程序的性質
對平均值區間而言，想像從同一母體反覆抽取彼此獨立、各含25筆觀測的樣本，每次都建構一個區間。在前提成立時，這個方法約有95%的涵蓋率，涵蓋的是固定但未知的母體平均值。這不代表已經算出的那一個區間，有95%的後驗機率包含μ。NIST以重複實驗說明信賴區間的涵蓋率。NIST：信賴區間的解讀。
對預測區間而言，要重複整個流程：取得樣本、建構區間，再從同一母體抽取一筆獨立的新觀測。在這些「樣本加未來觀測」的重複過程中，約95%會得到包含該次新觀測的區間。這既不保證下一筆讀值必定落入，也不保證接下來100筆讀值中恰有95筆落在這裡展示的同一個區間。NIST：預測區間的解讀。
為了看出差別，假設之後一筆虛構讀值是60單位。它落在46.08–53.92之外，卻在約30.01–69.99之內。超出平均值區間，本身不能證明那個區間失敗，因為它的目標是μ，不是新讀值。你必須知道真正的平均值，才能判斷這個特定的平均值區間是否涵蓋了它。
分析條件一致後，才比較寬度
這裡的預測區間較寬，是因為模型、資料、中心、信賴水準與單位都相同，但預測目標多了個別變異。不要把這個比較套用到不同研究的信賴區間與預測區間，或信賴水準、母體不同的區間。
在這個σ已知的虛構模型下，增加n會讓σ/√n趨近零，但σ√(1 + 1/n)會趨近σ。增加觀測可以改善對平均值的掌握，卻不會消除個別變異。此結論以σ與模型固定為前提，不代表每個真實預測區間都必定隨新資料加入而縮小。
若要涵蓋母體中指定比例的個體，又是另一個問題。NIST將這種容忍區間與單筆觀測的預測區間分開說明。不要把這裡的預測區間說成：它能以另外一層信賴保證，包含整個母體的95%。NIST：常態分布的容忍區間。
套用公式前，先檢查前提
已知母體變異，讓這個練習刻意保持簡單。如果σ必須估計，就不能原封不動使用這些常態臨界值公式。在相應的獨立常態樣本設定下，平均值與單筆觀測的常用區間，會改用樣本標準差，以及自由度為n − 1的Student t臨界值。Calvin University，§1.9–1.11。
閱讀實際報告時，應確認母體、抽樣方法、期間、單位、區間目標與信賴水準。檢查觀測是否相依、程序是否已改變，以及分配假設是否適合。獨立常態讀值的公式，不會自動適用於叢集抽樣、持續變動的時間序列或所有迴歸模型。
這裡的兩種區間，都不能提供選舉勝率、市場合約的給付機率，或交易獲利的證據。要計算事件機率，必須先定義事件，並使用合適的機率模型。另見民調與選舉勝率及期望值與機率，了解不同數值目標為何不能互相替代。
常見問題
95%信賴區間會包含95%的觀測值嗎？
若指的是平均值的信賴區間，就不能這樣解讀。這類區間並不是為了涵蓋個別觀測值而設計的。其目標是在重複抽樣時涵蓋未知平均值。在虛構例子中，46.08–53.92估計的是μ，並不是為了包含95%的個別讀值而設計的範圍。
預測區間一定比信賴區間寬嗎？
在本文條件一致的計算中，是的：預測一筆新讀值，除了平均值估計的不確定性，還要加入該讀值的變異。這不是比較無關資料集、信賴水準、目標或統計方法的通則。先確認兩項分析確實可比。
兩個區間都以50為中心，下一筆讀值為何需要更多不確定性？
觀測到的平均值50是對程序平均值的估計。即使程序平均值完全已知，新的個別讀值仍可能偏離它。這裡的預測變異數，包含個別變異的100平方單位，以及估計平均值帶來的4平方單位。
標準差來自樣本時，還能用1.96嗎？
不要把樣本估計當成已知的母體σ。本文討論的獨立常態樣本方法，在估計σ後會使用適當自由度的Student t區間。其他設計與模型可能需要不同方法；1.96不是通用的區間乘數。
一筆讀值落在預測區間內，能證明模型正確嗎？
不能。單筆觀測被涵蓋，不足以驗證分配、獨立性或穩定性假設。即使95%程序設定正確，仍可能出現區間外的觀測。應以適當證據評估模型及其表現，不要把一次結果當成證明。
探索HypaForecast
你可以選擇前往一般市場頁面與BTC頁面說明。這些連結與虛構統計例子分開，不能證明服務可用性或個人參與資格。
資料來源與範圍
NIST：常態分布的容忍區間. 2026年11月13日確認：以指定信賴水準涵蓋母體中的一定比例，與預測單筆觀測是不同目標。
本文使用NIST對平均反應估計、單筆反應預測，以及重複抽樣涵蓋率的分別說明。母體標準差已知時的公式，依據Calvin University Math 143，尤其是信賴區間導論與§1.9–1.11。25筆測量、平均值50與已知標準差10，是在獨立常態模型下自行設定的虛構資料，不是實際績效資料。本文沒有計算氣象產品、選舉模型或市場機率。
HypaForecast發布教育指南，並經營預測市場。本文說明統計區間的目標，不推薦交易，也不證明市場機率、當前供應項目或你的個人參與資格。
分享這篇指南