标准方法是使用概率评分。有关一些数学背景，请参阅Gneiting 和 Katzfuss (2014)。

概率评分度量的一个示例是基于弹球损失函数的分位数评分。对于整个预测范围内的每个时间段，您计算$0.01, 0.02, \dots, 0.99$分位数---称之为$q_1,\dots,q_{99}$， 和$q_0=-\infty$或自然下限，和$q_{100}=\infty$或自然上限。然后，这 99 个值定义（大约）预测密度。

对于分位数预测$q_a$和$a/100$作为目标分位数，弹球损失 $L$定义为：

$$L(q_a, y) = \begin{cases} (1 - a/100) (q_a - y), & \text{if $y< q_a$};\\ a/100 (y - q_a), & \text{if $y\ge q_a$}; \end{cases}$$ 在哪里$y$是用于验证的观察，并且$a = 1, 2, \dots, 99$.

注意$L(q_{50},y)$等于$0.5 |q_{50}-y|$，绝对误差值的一半。对于其他分位数，损失不是对称的。

为了评估完整的预测密度，然后在所有预测范围内的所有时间段内对所有目标分位数（从 0.01 到 0.99）进行平均。分数越低，预测越好。