予測区間とは、統計学や機械学習において、未来の個別の観測値が一定の確率で収まる数値の範囲を示す区間のことです。モデル全体の平均値のばらつきを示す信頼区間とは異なり、個別のデータの不確実性を考慮するため、範囲が広くなる特徴があります。時系列予測や需要予測において、リスク管理や意思決定を行うための重要な指標です。
予測区間とは
予測区間（Prediction Interval）とは、将来のある一時点における「個別の観測値」が、特定の確率（例えば95%など）でどの範囲に収まるかを示す区間のことです。
詳しく解説
機械学習モデル（特に回帰モデルや時系列モデル）が予測値を出力する際、それは点予測（単一の数値）であることが多いです。しかし、現実のデータには常にノイズや不確実性が存在します。予測区間は、モデル自体の推定誤差（不偏分散などから生じる不確実性）に加え、データそのものが持つランダムなばらつき（観測誤差）の両方を考慮して算出されます。そのため、予測の信頼度を定量化する上で極めて重要であり、単に「来月の売上は100万円」と予測するだけでなく、「95%の確率で80万円から120万円の間になる」といった確率的な意思決定を可能にします。
具体例・使われ方
例えば、気象予報における気温予測や、小売業における将来の需要予測などで活用されます。「明日の最高気温は20度（予測区間：17度〜23度）」と示すことで、服の準備やイベント開催の判断材料になります。また、電力需要予測において、予測区間の上限に合わせて発電量を準備しておくことで、電力不足という最悪のシナリオを回避するリスク管理に役立ちます。
似た用語との違い
最も混同されやすい概念は「信頼区間（Confidence Interval）」です。信頼区間は、母集団の平均値（母平均）などの「真のパラメータ」が収まる範囲を示すのに対し、予測区間は「これから観測される個別のデータ（値）」が収まる範囲を示します。個別のデータは平均値に比べてランダムな変動が大きいため、同じ確率（例えば95%）で区間を構成する場合、予測区間は常に信頼区間よりも幅が広くなります。
注意点
予測区間の計算は、データが特定の確率分布（例えば正規分布）に従っているという仮定に基づいていることが多いため、前提が崩れると正確な区間を算出できません。また、過学習（オーバーフィッティング）が起きているモデルでは、予測区間が不当に狭く見積もられてしまい、実際の不確実性を過小評価する危険性があります。さらに、過去のデータパターンが将来も継続するという前提があるため、急激な市場変化や構造変化（構造破壊）が発生した場合には機能しなくなります。