在回归中，有两种不同的“不确定性”，它们对应于置信区间和预测区间之间的差异（并且经常是混淆）：

• 您可能在参数估计中有不确定性。这些被捕获在置信区间s。反过来，这些也很难评估，因为我们通常不知道参数的真实值。因此，我们通常能做的最多的是 CI 的理论质量保证，通常仅在大样本限制中。

• 您可能对未来的可观测数据有不确定性，这些数据在预测区间s 或更普遍的预测密度。这些可以更容易地评估，因为我们实际上会在某个时候观察这些可观察的。

  This previous thread讨论了预测区间的评估——最常用的工具是区间分数。反过来，使用适当的评分规则评估预测密度。

  更多信息和参考文献可以在Petropoulos 等人中找到。（2021 年），预测：理论与实践（最近在International Journal of Forecasting上接受发表），特别是预测区间的第 2.12.2 节（完全披露：我写了那部分）和 Florian Ziel 的第 2.12.4 节预测密度。