폭이 달라지는 예측 구간
반응값의 변동이 입력에 따라 다르면 모든 입력에 같은 폭을 적용하는 예측 구간은 비효율적일 수 있다. 아래쪽과 위쪽 조건부 분위수를 각각 추정하면 변동이 큰 곳에서 넓고 작은 곳에서 좁은 구간을 만들 수 있다. 다만 추정한 분위수를 그대로 사용한다고 목표 포함률이 자동으로 성립하는 것은 아니다.
보정 점수와 경계 이동
학습 자료와 분리한 보정 자료에서 sᵢ=max(하한(Xᵢ)−Yᵢ,Yᵢ−상한(Xᵢ))를 계산한다. 관측값이 구간 밖에 있으면 점수는 양수이며 안쪽이면 음수가 될 수도 있다. 보정 표본 수가 n일 때 k=⌈(n+1)(1−α)⌉번째 순서통계량을 Q로 사용해 [하한−Q,상한+Q]를 만든다. k가 n을 넘는 작은 표본 상황에는 무한 문턱 등의 적절한 경계 처리가 필요하다.
양수와 음수 보정의 예제
아홉 개 보정 점수가 −0.5, −0.4, −0.3, −0.2, −0.1, 0, 0.1, 0.2, 0.6이고 α=0.2라면 k=8이므로 Q=0.2다. 새 입력의 원래 구간이 [2,5]라면 보정 구간은 [1.8,5.2]가 된다. 다른 보정 자료에서 Q=−0.2를 얻었다면 같은 원래 구간은 [2.2,4.8]로 줄어든다. 음수 점수를 무조건 0으로 바꾸는 절차와는 결과가 다르다.
무엇을 포함하는 구간인가
이 구간은 새 반응값을 다루며 평균 추정량의 신뢰구간과 구별한다. 보정 자료와 새 관측의 교환가능성이 기본 조건이다. 보장은 자료 전체의 무작위성을 평균한 주변 포함률이며 모든 입력값이나 하위 집단에 동일하게 적용되는 조건부 포함률은 아니다. 분위수 모형의 품질은 구간 길이와 실용성에 영향을 주므로 포함률만으로 성능을 평가하지 않는다.