将参数拟合到模型中时，准确度或精确度可以用置信区间、预测区间或容许区间来表示。这三者是截然不同的。Prism 只报告置信区间。

下面的讨论解释了将平均值拟合到数据样本（假设从高斯分布中采样）这一简单情况下的三种不同区间。同样的思路也可以应用于通过回归确定的任何拟合优度参数的区间。

置信区间

置信区间告诉你确定均值的程度。假设数据真的是从高斯分布中随机抽样的。如果你这样做很多次，并从每次抽样中计算出均值的置信区间，你会期望这些置信区间中大约 95 % 包含总体均值的真实值。关键的一点是，置信区间告诉了你真实种群参数的可能位置。

预测区间

预测区间告诉你下一个数据点的采样位置。假设数据真的是从高斯分布中随机抽样的。收集一个数据样本并计算预测区间。然后再从总体中抽取一个值。如果你这样做很多次，你会期望下一个值在 95% 的样本中都位于该预测区间内。关键的一点是，预测区间告诉你的是值的分布，而不是确定群体平均值的不确定性。

预测区间必须考虑到了解群体平均值的不确定性，以及数据的分散性。因此，预测区间总是比置信区间宽。

在继续讨论容许区间之前，我们先来定义一下用于定义预测区间的 "期望"一词。它的意思是，在超过 95% 的样本中，有 50% 的概率会看到区间内的值，而在少于 95% 的样本中，有 50% 的概率会看到区间内的值。

容许区间

如果您想 95% 地确定区间包含 95% 的值？或者 90% 确定区间包含 99% 的值？后面这些问题都可以用容许区间来回答。要计算或理解容许区间，您必须指定两个不同的百分比。一个表示您希望有多大把握，另一个表示区间将包含数值的几分之几。如果将第一个值（有多大把握）设为 50%，那么容许区间与预测区间相同。如果将其设置为更高的值（比如 90% 或 99%），那么容许区间就会更宽。