그러면 여러분 예측값의 정밀도를 어떻게 다른 사람에게 전달할 수 있을까요?
아마 여러분은 t 분포로 부터 구한 신뢰수준에 해당하는 t-value를 앞에서 구한 표준오차(SE)를
곱한다고 말하겠지요?

바로 이 수학적인 계산으로 구한 신뢰구간(Confidence Interval, CI)이 정밀도에 대한
매우 실용적인 척도가 된다. 이제 평균 예측값에 대한 확실성을 좀더 직관적으로 해석할 수 있다.
예를 들어 다이어트-D 프로그렘의 95% 신뢰구간 기준으로 다이어트-D에 참여한 모든 사람에 대한
평균 20.1에서 23.9kg 체중감량을 했다고 95% 확신을 가지고 말할 수 있다.

그런데 다이어트-C에 대해서는, 체중의 평균변화가 체중감량인지 체중증가인지 혹은 전혀 변화가 없는 것인지
95% 신뢰수준으로 주장을 할 수 없다. 이것으로 두개의 값으로 신뢰구간을 예측하기에 턱없이
부족한 샘플갯수라는 것을 알 수 있다.

신뢰구간(Confidence Interval, CI)을 통해 얻을 수 있는 또다른 이점은 도달하려고 하는 값에
관련하여 여러분의 결과를 바로 평가하는데에 사용할 수 있다.

여러분이 이전의 분석으로 부터 이 모집단에 대한 임상적인 체중감량이 적어도 15kg 이라고 알고
있다고 가정해 보자. 그러면 다이어트 프로그램-A, B, C에 대해서는 신뢰구간 하한값이 15kg보다
적기 때문에 임상적인 효과가 있을 것이라고 95% 확신을 가질 수 없다. 그렇지만 다이어트-D에
대해서는 신뢰구간 하한값이 15kg보다 크기 때문에 임상적인 이점이 있다고 95% 확신을 할 수 있다.