Wat is Confidence Interval?

Wat is een Confidence Interval eigenlijk?

Stel je voor: je vraagt een AI-model om te voorspellen hoeveel bezoekers je webshop volgende maand krijgt. Het antwoord is niet gewoon '5.000', maar iets als: 'Ergens tussen de 4.200 en 5.800, met 95% zekerheid.' Die spreiding — dat bereik tussen de 4.200 en de 5.800 — is het confidence interval. Het geeft aan: hier ligt het antwoord waarschijnlijk, niet exact op één punt.

In gewoon Nederlands: een betrouwbaarheidsinterval. Het erkent dat modellen niet alles zeker weten. Net zoals een dokter niet zegt 'je hebt precies 14 dagen griep', maar 'tussen de 7 en 14 dagen'. AI-modellen werken met kansen, niet met absolute waarheden.

Hoe werkt het in de praktijk?

Als een model een voorspelling doet, berekent het eigenlijk een verdeling van mogelijke uitkomsten. Het confidence interval pakt daar het middelste deel uit — meestal 95%, soms 90% of 99%. Dat percentage (het 'confidence level') bepaalt hoe breed het interval is:

• 95% confidence interval: het model zegt 'in 95 van de 100 gevallen ligt het antwoord hier'

• Smaller interval (smaller bereik): meer zekerheid, maar ook meer risico dat je ernaast zit

• Breder interval: veiliger, maar ook minder bruikbaar ('ergens tussen 1 en 10.000' helpt niet echt)

Bij training van modellen zie je dit terug in foutmarges. Stel: je traint een model om huizenprijzen te voorspellen. In plaats van te zeggen 'dit huis kost €350.000', zegt het: '€350.000, plus of min €25.000'. Dat geeft jou als gebruiker context: het model twijfelt een beetje.

Een voorbeeld uit het dagelijks leven

Zorg-AI die röntgenfoto's analyseert, gebruikt vaak confidence intervals. Het model zegt niet alleen 'er is een afwijking', maar ook: 'ik ben voor 87% zeker dat dit een breuk is, met een marge van ±5%'. Artsen gebruiken die onzekerheid om te beslissen of er nader onderzoek nodig is.

In customer analytics: je voorspelt de kans dat iemand een product koopt. In plaats van '23% koopkans' krijg je '23%, bereik 18-28%'. Dat helpt je budget realistischer in te schatten — je weet dat het resultaat kan variëren.

Waarom is dit belangrijk voor jou?

Als je met AI werkt, zie je vaak getallen die lijken op harde feiten. Maar achter elk getal zit onzekerheid. Een confidence interval maakt die onzekerheid zichtbaar. Dat is cruciaal voor:

• Beslissingen nemen: een voorspelling van '€100.000 omzet, ±€5.000' is betrouwbaarder dan '€100.000, ±€40.000'

• Risico's inschatten: breed interval = meer twijfel = voorzichtiger zijn

• Modellen vergelijken: als model A een smaller interval geeft dan model B bij dezelfde data, is A waarschijnlijk stabieler

Waar kom je het tegen?

Je ziet confidence intervals vooral in:

• Voorspellende analytics-tools zoals Google Analytics predictions, Salesforce Einstein, of Tableau's forecasting — daar zie je vaak een 'bereik' rond een voorspelling

• Machine learning platforms (Azure ML, AWS SageMaker) — bij model-evaluatie tonen ze vaak intervallen rond accuracy-scores

• Wetenschappelijke AI-papers — elk experiment vermeldt betrouwbaarheidsintervallen rond resultaten

• A/B-test tools (Optimizely, VWO) — die zeggen niet 'variant B is 5% beter', maar 'ergens tussen 2% en 8% beter, met 95% zekerheid'

Wat kun je ermee?

Als je een AI-tool gebruikt en die geeft alleen een enkel getal zonder marge, wees dan kritisch. Vraag jezelf af: hoe zeker is dit? Tools die wél intervallen tonen, zijn vaak transparanter. Bij het kiezen van een analytics-platform of forecasting-tool: check of ze onzekerheid zichtbaar maken. Dat helpt je betere, realistischere beslissingen te nemen — zonder te doen alsof AI een glazen bol is.