სტატისტიკაში პროგნოზის სიზუსტე ეწოდება სიახლოვის ხარისხს შეფასებასა და შესაფასებელ პარამეტრს შორის. პოპულაციის პარამეტრის შეფასებას ერთი რიცხვით წერტილოვანი შეფასება ჰქვია, რომელიც მცირე მოცულობის შერჩევისას შეიძლება, ძალიან განსხვავდებოდეს პარამეტრის რეალური მნიშვნელობისაგან. ამიტომ ამ შემთხვევაში გამოიყენება პარამეტრის ინტერვალური შეფასება ანუ ნდობის ინტერვალი. ვთქვათ, შერჩევის საფუძველზე მიღებულია $\theta$ უცნობი პარამეტრის სტატისტიკური შეფასება ${\theta }^{*}$ და გვინდა შევაფასოთ შესაძლო შეცდომა. დავასახელოთ საკმარისად დიდი ალბათობა $\gamma$  (მაგალითად,$\gamma =0.99$ ) და ვიპოვოთ ისეთი რიცხვი $\epsilon >0$ რომლისთვისაც $P(\left|{\theta }^{*}-\theta \right|<\epsilon )=\gamma$ რაც ნაკლებია $\epsilon$ მით უფრო ახლოსაა შეფასება შესაფასებელ პარამეტრთან, ამიტომ $\epsilon$ რიცხვი ახასიათებს შეფასების სიზუსტეს. თვით $\gamma$ ალბათობას საიმედოობა ეწოდება (ნდობის ალბათობა) თუ $\left|{\theta }^{*}-\theta \right|<\epsilon$ უტოლობას შევცვლით ორმაგი უტოლობით გვექნება  $P({\theta }^{*}-\epsilon <\theta <{\theta }^{*}+\epsilon )=\gamma$ რაც ნიშნავს შემდეგს: ალბათობა იმისა, რომ $({\theta }^{*}-\epsilon ;{\theta }^{*}+\epsilon )$ ინტერვალი გადაფარავს უცნობ $\theta$ პარამეტრს უდრის $\gamma$-ს. 

***

გამოყენებული ლიტერატურა:

Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics. SAGE Publications Ltd.

კისი, ჰ. (2008). სტატისტიკა სოციალურ მეცნიერებებში. სოციალურ მეცნიერებათა ცენტრი. თბილისის უნივერსიტეტის გამომცემლობა