回帰分析で直線を引いて「これで将来が予測できる！」と思ったことはありませんか？
実は、その予測には「どの範囲までを予測したいのか」によって、まったく異なる2つの答え（区間）が存在します。
図解：予測区間と信頼区間の違い
まずは、以下の図を見てください。
同じ「回帰直線」を使っていても、「平均」を知りたいのか、「個別」を知りたいのかで、予測の幅（リスクの範囲）が大きく異なります。
※両端（データの少ない領域）に行くほど、ラッパ型に区間が広がる点にも注目
1. 信頼区間（Confidence Interval）
「真の平均値はどこにあるか？」を示す範囲です。
例えば、「30代男性の平均年収」を推定する場合など、データのばらつき（個人差）は平均化されて消えるため、予測の幅は狭くなります。
データ数が増えれば増えるほど、この幅は限りなく0（線）に近づいていきます。
2. 予測区間（Prediction Interval）
「新しくやってくる1つのデータはどこにあるか？」を示す範囲です。
例えば、「明日入社するAさん（30歳）の年収」を予測する場合です。平均が分かっても、Aさん個人の事情（運や誤差）があるため、ドンピシャで当てるのは困難です。
そのため、個人のバラつき（誤差項）を含める必要があり、予測の幅は広くなります。
使い分けのポイント：誰のために分析するか？
ビジネスの現場では、目的によってこの2つを厳密に使い分ける必要があります。
| 項目 | 信頼区間（平均） | 予測区間（個別） |
|---|---|---|
| 幅の広さ | 狭い（精度が高い） | 広い（リスクが大きい） |
| 考え方 | 全体の傾向を知りたい | 個別のハズレを含めたい |
| 具体例 | 「新商品の平均売上はいくら？」 （経営判断・在庫計画） |
「来店のこの客はいくら買う？」 （個別与信・レコメンド） |
| データ数 の影響 |
データが増えると 幅は極端に狭くなる |
データが増えても ある程度の幅は残る （個体差はなくならない） |
まとめ
上司やクライアントに「予測の誤差はどれくらい？」と聞かれたら、必ずこう聞き返しましょう。
「全体の平均を知りたいですか？ それとも、次回の一回の結果を予測したいですか？」
多くの失敗は、リスクの大きい「個別の未来（予測区間）」を知りたい場面で、リスクの小さい「平均の未来（信頼区間）」を提示してしまうことから起こります。