予測

「オールド・ファーマーズ・アルマナック」は、米国では（必ずしも正確ではないが）長期天気予報で有名である。

予測（ラテン語のprae-「前に」とdictum「言った」に由来）^{[ 1 ]}または予報とは、将来の出来事や将来のデータに関する言明です。予測は多くの場合、予報者の経験や知識に基づいていますが、必ずしもそうとは限りません。「予測」と「推定」の正確な違いについては普遍的な合意はなく、著者や分野によって意味合いが異なります。   

将来の出来事は必然的に不確実であるため、将来に関する正確な情報を保証することは不可能です。予測は、起こりうる展開について計画を立てる上で役立ちます。

意見

非統計的な意味では、「予測」という用語は、情報に基づいた推測や意見を指すためによく使用されます。

この種の予測は、予測する人の帰納的推論、演繹的推論、経験に基づいて行われる可能性があり、予測する人がその分野に精通している場合は有用である可能性がある。 ^{[ 2 ]}

デルファイ法は、専門家の判断に基づく予測を、制御された方法で引き出す手法です。この種の予測は、少なくとも「データ」として予測を行う専門家の認知経験が用いられ、直感的な 「確率曲線」を形成するという点で、統計手法と整合していると考えられるかもしれません。

統計

統計学において、予測は統計的推論の一部です。このような推論の特定のアプローチは予測推論として知られていますが、予測は統計的推論のいくつかのアプローチのいずれにおいても行うことができます。実際、統計学の1つの説明として、母集団のサンプルに関する知識を母集団全体、および他の関連する母集団に伝達する手段を提供するというものがありますが、これは必ずしも時間の経過に伴う予測と同じではありません。情報が時間を超えて、多くの場合特定の時点に伝達される場合、そのプロセスは予測として知られています。^{[ 3 ]}予測には通常時系列手法が必要ですが、予測はクロスセクションデータに対して実行されることがよくあります。

予測に用いられる統計手法には、回帰とその様々なサブカテゴリ（線型回帰、一般化線型モデル（ロジスティック回帰、ポアソン回帰、プロビット回帰）など）が含まれます。予測においては、自己回帰移動平均モデルやベクトル自己回帰モデルが活用されます。これらのモデルや関連する一般化された回帰手法、あるいは機械学習手法が商用利用される場合、その分野は予測分析と呼ばれます。^{[ 4 ]}

時系列解析など、多くの応用において、観測データを生成するモデルを推定することが可能です。モデルが伝達関数または状態空間パラメータとして表現できる場合、平滑化、フィルタリング、予測されたデータ推定値を計算できます。基礎となる生成モデルが線形である場合、最小分散カルマンフィルタと最小分散スムーザーを用いて、ノイズの多い測定から目的のデータを回復することができます。これらの手法は、1ステップ先の予測器（予測誤差の分散を最小化する）に依存しています。生成モデルが非線形である場合、拡張カルマンフィルタとスムーザー再帰内で段階的な線形化を適用することができます。ただし、非線形の場合、最適な最小分散性能の保証は適用されません。^{[ 5 ]}

回帰分析を予測に用いるには、予測対象となる従属変数または応答変数と呼ばれる変数と、その変数に影響を与えると仮定される1つ以上の変数（独立変数または説明変数と呼ばれる）のデータを収集する。想定される因果関係に対して、多くの場合線形の関数形式が仮定され、その関数のパラメータがデータから推定される。つまり、パラメータ化された関数とデータとの適合度が最適化されるようにパラメータが選択される。これが推定ステップである。予測ステップでは、従属変数の将来の値（または現在だがまだ観測されていない値）に関連すると考えられる説明変数の値がパラメータ化された関数に入力され、従属変数の予測値が生成されます。^{[ 6 ]}

機械学習と人工知能

近年、予測は機械学習と人工知能研究における中心的な課題となっています。サポートベクターマシン、決定木、ニューラルネットワークといった教師あり学習アルゴリズムは、過去のデータセットを用いて学習され、新しい未知のデータに基づく結果を予測します。これらのモデルは、 自然言語処理、コンピュータービジョン、医療情報科学、金融テクノロジーといった分野で広く応用されています。近年の研究では、予測が医療、刑事司法、公共政策における重要な意思決定に影響を与える可能性があるため、モデルの解釈可能性と公平性の重要性が強調されています。^{[ 7 ]}

ホールドアウトテストセット を用いて、モデルの偏りのない性能推定値を得ることができます。予測値は、パリティプロットで実際の値と視覚的に比較できます。

科学

NASAの2004年の太陽活動周期予測は不正確であった（太陽活動周期24は2007年に始まり、周期23よりも大きくなると予測していた）。また、2012年の修正予測では、2010年に始まり、非常に小さいことが示された。

科学において、予測とは、特定の条件下で何が観察されるかを予測する、厳密で、しばしば定量的な記述です。例えば、重力理論によれば、リンゴが木から落ちた場合、リンゴは指定された一定の加速度で地球の中心に向かって移動すると考えられます。科学的方法は、科学理論の論理的帰結である記述を検証することに基づいています。これは、再現可能な実験や観察研究 を通じて行われます。

観察や証拠によって予測が矛盾する科学理論は拒絶されます。多くの新たな予測を生み出す新しい理論は、より容易に支持または反証される可能性があります（予測力を参照）。検証可能な予測を示さない概念は、検証可能な予測がなされるまでは、通常、科学（原始科学または無科学） の一部ではないとみなされます。

数学方程式やモデル、そしてコンピュータモデルは、あるプロセスの過去と未来の挙動を、そのモデルの境界内で記述するために頻繁に用いられます。量子物理学の多くの分野のように、特定の結果ではなく、結果の確率を予測できる場合もあります。

マイクロプロセッサでは、分岐予測により分岐命令でのパイプラインの空を回避できます。

エンジニアリングでは、起こりうる故障モードを予測し、故障の原因となる 故障メカニズムを修正することで回避します。

自然災害、パンデミック、人口動態、人口動態、気象学などの分野では、正確な予測や予報は非常に困難です。^{[ 8 ]}例えば、太陽活動周期の発生を予測することは可能ですが、その正確な時期や規模を予測することははるかに困難です（右の図を参照）。

材料工学では、数学モデルを用いて材料の寿命を予測することも可能です。^{[ 9 ]}

医学では、予測バイオマーカーや予後バイオマーカーは、様々な治療に対する患者の転帰や臨床イベントの発生確率を予測するために使用することができます。^{[ 10 ]}

仮説

確立された科学は、多くの場合非常に信頼性が高く正確な有用な予測を行います。たとえば、日食は日常的に予測されています。

新しい理論は、現実によって反証されることを可能にする予測を行います。たとえば、原子レベルでの結晶の構造を予測することは、現在の研究課題です。^{[ 11 ]} 20世紀初頭、絶対的な基準系が存在するというのが科学的コンセンサスであり、これは光伝導エーテルと名付けられました。この絶対系の存在は、光速は一定であるという確立された考えとの一貫性を保つために必要であると考えられました。有名なマイケルソン・モーリーの実験は、この概念から演繹された予測が現実には裏付けられないことを実証し、絶対的な基準系の理論を反証しました。特殊相対性理論は、光速の不変と、特別な、好ましい、あるいは絶対的な基準系が存在しないという一見矛盾する点を説明するために、アインシュタインによって提唱されました。

アルバート・アインシュタインの一般相対性理論は、地球規模で観測可能な効果を示さなかったため、容易に検証することはできませんでした。しかし、一般相対性理論の最初の検証の一つとして、この理論は、星のような大きな質量は光を曲げるという、従来の定説に反する予測を立てました。これは1919年の日食で観測されました。

医療とヘルスケア

予測医療

予測医学は、病気の発生確率を予測し、病気を完全に予防するか、患者への影響を大幅に軽減する（死亡率の予防や罹患率の制限など）ための予防措置を講じる医学分野である。 ^{[ 12 ]}

ゲノミクス、プロテオミクス、サイトミクスなど、さまざまな予測方法がありますが、将来の病気を予測する最も基本的な方法は遺伝学に基づいています。プロテオミクスとサイトミクスは病気の早期発見を可能にしますが、多くの場合、それらは病気のプロセスがすでに始まっているために存在している生物学的マーカーを検出します。しかし、包括的な遺伝子検査（ DNAアレイや全ゲノム配列解析の使用など）は、病気が存在する何年も前から数十年も前に病気のリスクを推定したり、健康な胎児が青年期または成人期に病気を発症するリスクが高いかどうかさえ推定することを可能にします。将来病気にかかりやすい人には、予測される病気を予防することを目的として、生活習慣のアドバイスや投薬を提供できます。

医療専門家が支持する現在の遺伝子検査ガイドラインでは、未成年者が遺伝子検査の関連性を理解し、それが自分たちにとって適切かどうかの決定に参加できるようになるまでは、純粋に予測的な遺伝子検査を行うことは推奨されていません。^{[ 13 ]}予測医療の分野における新生児や小児の遺伝子検査は、将来の病気を予防するための予防や治療が小児期に可能であるなど、そうする説得力のある臨床的理由がある場合に適切であるとみなされます。

予後

予後（ギリシア語：πρόγνωσις「予知する、予見する」、複数形：prognoses）は、病気の可能性または予想される進行を予測する医学用語であり、兆候や症状が時間の経過とともに改善するか悪化するか（およびどの程度速く）、または安定するか、日常生活を送る能力などの生活の質の期待、合併症や関連する健康問題の可能性、生存の可能性（平均余命を含む）などが含まれます。^{[ 14 ] [ 15 ]}予後は、診断された病気の通常の経過、個人の身体的および精神的状態、利用可能な治療法、およびその他の要因に基づいて行われます。^{[ 15 ]}完全な予後には、予想される期間、機能、および進行性の低下、断続的な危機、または突然の予測不可能な危機などの病気の経過の説明が含まれます。^{[ 16 ]}

大規模な統計集団に適用した場合、予後予測は非常に正確になります。例えば、「重症敗血症性ショックの患者の45%は28日以内に死亡する」という記述は、過去の研究でこの割合の患者が死亡していることが示されているため、ある程度の確信を持って行うことができます。しかし、この統計情報は個々の患者の予後には当てはまりません。患者固有の要因によって、予想される病状の経過が大きく変化する可能性があるためです。患者が死亡する45%に属するのか、それとも生存する55%に属するのかを判断するには、追加情報が必要です。^{[ 17 ]}

臨床予測ルール

臨床予測規則または臨床確率評価は、医学的徴候、症状、およびその他の所見を使用して特定の疾患または臨床結果の確率を推定する方法を指定します。 ^{[ 18 ]}

医師は病気のリスクを推定するのが難しく、しばしば過大評価に陥ります。^{[ 19 ]}これはおそらく、有害事象のリスクを誇張する ベースレートの誤謬などの認知バイアスによるものと考えられます。

ファイナンス

予測市場

株式市場の動向（および一般的な経済動向）の数学的モデルも、将来の動向を予測する上で信頼できません。その理由としては、経済イベントは数年にわたる場合があり、世界も同様の時間枠で変化しているため、過去の観察結果の現在への関連性が失われることが挙げられます。したがって、将来を予測するための関連する過去のデータ ポイントは極めて少数（1 のオーダー）しかありません。さらに、株式市場の価格は、将来を予測するために利用可能なすべての情報をすでに考慮に入れているため、その後の動きは予期せぬイベントの結果であるに違いないと一般に考えられています。したがって、株式投資家が株式市場の急騰や暴落を予想または予測することは極めて困難です。実際の株式収益の予測とは対照的に、広範な経済動向の予測の方が精度が高い傾向があります。このような分析は、非営利団体と営利の民間機関の両方によって提供されています。

実際の株式市場の動きと、調査や予測ゲームにおける大規模グループからの予測データとの間には、ある程度の相関関係が見られてきました。

アクチュアリーは、保険数理学を用いて将来の事業リスクを評価・予測し、リスク軽減に努めます。例えば、保険業界では、アクチュアリーは生命表（過去の死亡率の経験と、場合によっては将来の傾向の予測を組み込んだもの）を用いて平均寿命を予測します。

スポーツ

スポーツイベントの結果を予測することは、近年人気が高まっているビジネスです。ハンディキャッパーは、様々な数式、シミュレーションモデル、あるいは定性分析を用いて試合の結果を予測します。ジミー・ザ・グリークのような初期の著名なスポーツベッターは、自分たちに有利に働く情報にアクセスできたと考えられていました。その情報は、ギャンブルや飲酒といった個人的な問題から、公表されていない怪我まで、フィールド上の選手のパフォーマンスに影響を与える可能性のあるあらゆるものでした。

近年、スポーツの予測方法は変化しました。現在、予測は一般的に2つの異なるアプローチ、すなわち状況判断と統計モデルで構成されています。状況判断はチームのモチベーションに左右されることが多いため、測定がはるかに困難です。著名なハンディキャッパーのダン・ゴードンは、「ラインの価値に加えて、試合に感情的な優位性がなければ、私は賭けません」と述べています。^{[ 20 ]} こうしたタイプのプレーには、ホームチームのアンダードッグに賭ける、マンデーナイトの勝者が来週の優勝候補である場合にそのチームに賭けない、「先読み」ゲームでアンダードッグに賭けるなどがあります。状況判断が広く知られるようになるにつれて、ラインの設定方法に影響を与えるため、状況判断はそれほど重要ではなくなってきています。

テクノロジーの普及により、より現代的なスポーツ賭博システムが登場しています。これらのシステムは、典型的には回帰分析に基づくアルゴリズムとシミュレーションモデルです。スポーツ統計学者のジェフ・サガリン氏は、USAトゥデイ紙に自身のモデルの結果を掲載し、スポーツ界の注目を集めました。彼は現在、ダラス・マーベリックスから、ラインナップに関するアドバイスやフリーエージェントを評価するWinvalシステムの活用についてコンサルタントとして報酬を受けています。元海軍戦闘機パイロットで現在はスポーツ統計学者のブライアン・バーク氏は、回帰分析を用いてNFLの試合結果を予測した結果を発表しました。^{[ 21 ]}ケン・ポメロイ氏は、大学バスケットボールの統計の第一人者として広く認められています。彼のウェブサイトには、テンポに基づく統計システム「College Basketball Ratings」が掲載されています。統計学者の中には、優れた予測システムを持つことで非常に有名な人もいます。デア氏は、「スポーツ賭博と競馬の実効オッズは人間の判断に直接左右されるため、一貫性のある誤差が生じる可能性がある」と述べています。^{[ 22 ]} カジノで提供される他のゲームとは異なり、スポーツイベントの予測は論理的かつ一貫性のあるものになります。

その他のより高度なモデルには、リスク分析や意思決定支援に一般的に使用される因果確率モデルであるベイジアンネットワークに基づくモデルがあります。この種の数学的モデリングに基づいて、Constantinou ら^{[ 23 ] [ 24 ]}はサッカーの試合結果を予測するモデルを開発しました。^{[ 25 ]}これらのモデルが興味深いのは、関連する過去のデータを考慮に入れること以外に、主要選手の可用性、チームの疲労、チームのモチベーションなど、これらの漠然とした主観的要因もすべて組み込んでいる点です。確かな事実がないことについて、ユーザーは推測を含めることができます。この追加情報は過去の事実と組み合わされ、将来の試合結果の修正された予測を提供します。これらのモデリング手法に基づく初期の結果は、公表されている市場オッズに対して一貫した収益性を示したため、有望です。

今日、スポーツベッティングは巨大なビジネスとなっており、ベッティングサイト以外にも、将来の試合の予想やヒントを提供するウェブサイト（システム）が数多く存在します。^{[ 26 ]}これらの予想ウェブサイト（ティップスター）の中には、人間の予想に基づいているものもありますが、予測ロボットまたはボットと呼ばれるコンピューターソフトウェアに基づいているものもあります。予測ボットは使用するデータ量やアルゴリズムが異なるため、その精度はそれぞれ異なります。

近年、人工知能の発展により、統計を用いてより一貫性のある予測を行うことが可能になりました。特にスポーツ競技の分野では、人工知能の影響により、予測の一貫性が著しく向上しています。AIによるサッカー予測の科学においては、この分野で最も成功しているシステムの一つであるsoccerseer.comという取り組みが、人工知能を用いてサッカーの試合結果を最大75%の精度で予測することに成功しています。

社会科学

経済以外の社会科学における予測は自然科学とは異なり、トレンド予測、予測、シナリオ構築、デルファイ調査など、複数の代替手法が含まれます。石油会社シェルは、シナリオ構築活動で特によく知られています。

社会予測の特殊性の一つは、社会科学において「予測者は予測しようとしている社会文脈の一部であり、その過程でその文脈に影響を与える可能性がある」ということである。^{[ 27 ]}結果として、社会予測は自己破壊的になり得る。例えば、既存の傾向に基づいて人口の大部分がHIVに感染するという予測は、より多くの人々が危険な行動を避け、HIV感染率を低下させ、予測を無効にする可能性がある（公表されていなければ、予測は正しかったかもしれない）。あるいは、サイバーセキュリティが大きな問題になるという予測は、組織がより多くのサイバーセキュリティ対策を実施し、その結果、問題が限定的になる可能性がある。^{[ 27 ]}

2004年カナダ連邦選挙の支持率（パーセント）

政治の世界では、政治予測技術を用いて選挙の結果を予測したり（あるいは世論調査を用いて政治家の人気度を評価したり）することが一般的です。多くの企業や政府は、将来の出来事の最も起こりそうな結果を知るために、 予測ゲームを活用してきました。

預言

古代から現代に至るまで、予言や前兆の観察といった超常現象や超自然的な手段を用いて、予言がしばしば行われてきました。水占い、占星術、数秘術、易、夢占いなど、様々な占術が何千年もの間、未来を予測するために用いられてきました。これらの予言手段は、科学的な実験によって証明されていません。

文学において、幻と預言は、将来の出来事の起こりうるタイムラインを提示するために用いられる文学的技法です。幻は、個人が実際に目にする出来事を指すという点で区別されます。新約聖書のヨハネの黙示録は、この点において幻を文学的技法として用いています。また、説教やその他の公の場 で個人が語る場合も、預言または預言文学と呼ばれます。

占いとは、オカルト的な標準化された手順や儀式を通して、疑問や状況への洞察を得ようとする試みである。^{[ 28 ]}魔術の不可欠な要素であり、数千年にわたり様々な形で用いられてきた。占い師は、兆候、出来事、前兆を読み取ったり、超自然的な存在（天使や神と表現されることが多いが、キリスト教徒やユダヤ教徒は堕天使や悪魔と見なす）との接触を通じて、相談者がどのように対処すべきかを判断しようとする。 ^{[ 29 ]}

占星術における人工知能

21世紀において、占星術は人工知能（AI）や機械学習とますます融合するようになりました。学術研究では、占星術予測におけるAIモデルの活用が検討され^{[ 30 ]} 、メディアでは、チャットボットやアルゴリズムモデルを用いてパーソナライズされた占いを提供する「アストロテック」のスタートアップ企業やアプリの台頭が取り上げられています^{[ 31 ] [ 32 ] [ 33 ] 。}

例としては、 KundliGPTなどのAI駆動型占星術チャットボットが挙げられます。これは自然言語処理を使用して出生チャートの読み取りを生成し、ユーザーの質問に答えます。^{[ 34 ]}

フィクション

フィクション（特にファンタジー、予測、SF）では、型破りな手段で予測が達成される事例がしばしば登場します。過去のSFでは、様々な現代技術が予測されていました。

ファンタジー文学では、予言はしばしば魔法や預言によって行われ、時には古い伝統に遡ります。例えば、J・R・R・トールキンの『指輪物語』では、多くの登場人物が未来に起こる出来事を予知しており、それは予言として、あるいは多かれ少なかれ漠然とした「感情」として現れます。さらに、ガラドリエルという人物は水の「鏡」を用いて、時には起こりうる未来の出来事を映し出します。

フィリップ・K・ディックの作品の中には、予知能力を持つミュータント（予知者）が登場する。彼らは数日から数年先まで未来を予知することができる。 『黄金の男』という作品では、例外的な能力を持つミュータントが未来を無限に（おそらく死に至るまで）予知することができ、その結果、完全に非人間的な存在となり、予知された道筋を自動的に辿る動物となる。予知能力は、ディックの別の作品『マイノリティ・リポート』でも重要な役割を果たしており、この作品は2002年にスティーブン・スピルバーグ監督によって映画化された。

アイザック・アシモフの『ファウンデーション』シリーズでは、ある数学者が歴史的出来事（ある程度の詳細まで）を方程式を用いて理論的にモデル化できることを発見し、その後何年もかけてその理論を実践に移します。彼の成功に基づいて築かれた新しい歴史心理学は、歴史をシミュレートし、現在から未来を推測することができます。

フランク・ハーバートによる1965年の『デューン』の続編では、登場人物たちは未来の可能性を見通す能力と、その中から選択する能力のもたらす影響に直面する。ハーバートはこれを停滞の罠と捉え、登場人物たちはいわゆる「黄金の道」を辿ってこの罠から抜け出す。

アーシュラ・K・ル＝グウィンの『闇の左手』では、惑星ゲセンのヒューマノイドの住人たちは予言の術を習得しており、要求に応じて過去、現在、未来の出来事に関するデータを日常的に提供する。この物語では、これは小さなプロット装置に過ぎなかった。

詩

古代人にとって、予言、預言、そして詩はしばしば絡み合っていました。^{[ 35 ]} 預言は詩の形で語られ、ラテン語で詩人を意味する言葉は「vates」または「預言者」です。^{[ 35 ]}詩人も預言者も、自分以外の力から啓示を受けたと主張しました。現代文化では、神学的啓示と詩は典型的には別個のものとして捉えられ、しばしば対立するものとさえ考えられています。しかし、両者は依然として、その起源、目的、そして意図において共生関係にあると理解されることが多いのです。^{[ 36 ]}

参照

• 期待 – 将来の出来事や結果が起こる可能性が高いという予想リダイレクト先の簡単な説明を表示するページ
• 予測 – 利用可能なデータに基づいて予測を行う
• 未来学 – 可能性のある、起こりそうな、望ましい未来を仮定する研究
• 予兆 – 未来を予言する現象
• オラクル – 予言や洞察を提供する者
• 予測可能性 – システムの状態を正確に予測できる程度
• 予測市場 – イベントに賭けるプラットフォーム
• 予測モデリング – 統計を使用して結果を予測するモデリングの形式
• 予後 – 病気の発症の可能性を表す医学用語
• 予測 – 工学分野
• 参照クラス予測 - 未来を予測する方法
• 回帰分析 – 変数間の関係を推定するための一連の統計的プロセス
• 思考実験 – 仮想的な状況
• 傾向推定 – データの解釈を支援する統計手法リダイレクト先の簡単な説明を表示するページ

脚注

1. 「予測する」。オックスフォード英語辞典（オンライン版）。オックスフォード大学出版局。(サブスクリプションまたは参加機関のメンバーシップが必要です。)
2. シルバー、ネイト（2012年）『シグナルとノイズ：なぜ多くの予測は失敗するのか―しかし、いくつかは失敗するのか』ニューヨーク：ペンギン・プレス、ISBN 978-1-59420-411-1。
3. Cox, DR (2006). 『統計的推論の原理』 ケンブリッジ大学出版局. ISBN 978-0-521-68567-2。
4. シーゲル、エリック（2013年）『予測分析：クリック、購入、嘘、あるいは死を予測する力』ホーボーケン、ニュージャージー州：ジョン・ワイリー・アンド・サンズ、ISBN 978-1-118-35685-2。
5. Julier, SJ; Uhlmann, JK (2004). 「アンセンテッドフィルタリングと非線形推定」. Proceedings of the IEEE . 92 (3): 401– 422. Bibcode : 2004IEEEP..92..401J . CiteSeerX 10.1.1.136.6539 . doi : 10.1109/jproc.2003.823141 . S2CID 9614092 .  
6. Fox, John (2016).応用回帰分析と一般化線形モデル（第3版）. ロンドン: Sage. ISBN 978-1-4522-0566-3。
7. Rudin, Cynthia (2019). 「重要な意思決定においてブラックボックス型の機械学習モデルの説明をやめ、解釈可能なモデルを使用する」 . Nature Machine Intelligence . 1 (5): 206– 215. doi : 10.1038 / s42256-019-0048-x . PMC 9122117. PMID 35603010 .  
8. Hendry, Andrew P. (2023). 「生態学と進化における予測」. BioScience . 73 (11): 785– 799. doi : 10.1093/biosci/biad083 .
9. Garcia Hernandez, Maria Inmaculada (2018). 「低エネルギーおよび環境影響のビチューメン混合物の寿命予測」.建設・建築材料. 118 : 108–113 . doi : 10.1016/j.conbuildmat.2017.09.158 . S2CID 139437088 . 
10. Califf, RM (2018)、「バイオマーカーの定義とその応用」、Exp Biol Med (Maywood)、243 (3): 213– 221、doi : 10.1177/1535370217750088、PMC 5813875、PMID 29405771  
11. Woodley, SM; Catlow, R. (2008)、「第一原理からの結晶構造予測」、Nat Mater、7 (12): 937– 946、Bibcode : 2008NatMa...7..937W、doi : 10.1038/nmat2321、PMID 19029928 
12. 「予測医療：遺伝子は症状よりも先に病気を示唆する」 。 2010年12月27日時点のオリジナルよりアーカイブ。2009年2月24日閲覧。
13. Borry P; Evers-Kiebooms G; Cornel MC; Clarke A; et al. (2009年6月). 「無症候性未成年者における遺伝子検査：ESHG勧告に向けた背景検討」 . Eur. J. Hum. Genet . 17 (6): 711–9 . doi : 10.1038/ejhg.2009.25 . PMC 2947094. PMID 19277061 .  
14. 「遺伝性疾患の予後は？」遺伝学ホームリファレンス. NIH: 米国国立医学図書館. 2018年5月20日閲覧。
15. 「Prognosis」 Nature Publishing Group . 2018年5月20日閲覧。
16. Hansebout, RR; Cornacchi, SD; Haines, T.; Goldsmith, CH (2009). 「予後に関する論文の使い方」 . Canadian Journal of Surgery. Journal Canadien de Chirurgie . 52 (4): 328– 336. PMC 2724829. PMID 19680521 .  
17. グールド、スティーブン・ジェイ（2013）、「メディアンはメッセージではない」、AMAジャーナルオブエシックス、15（1）：77–81、doi：10.1001/virtualmentor.2013.15.1.mnar1-1301、PMID 23356812 
18. McGinn TG, Guyatt GH, Wyer PC, Naylor CD, Stiell IG, Richardson WS (2000). 「医学文献ユーザーガイド：XXII：臨床意思決定ルールに関する文献の活用方法．エビデンスに基づく医療ワーキンググループ」JAMA . 284 (1): 79– 84. doi : 10.1001/jama.284.1.79 . PMID 10872017 . 
19. Friedmann PD, Brett AS, Mayo-Smith MF (1996). 「心血管リスクと心血管疾患予防療法の成果に関する一般医と心臓専門医の認識の相違」Ann. Intern. Med . 124 (4): 414–21 . doi : 10.7326/ 0003-4819-124-4-199602150-00005 . PMID 8554250. S2CID 25470460 .  
20. ゴードン、ダン (2005). 『Beat the Sports Books』 ニューヨーク、アメリカ合衆国: Cardoza. ISBN 978-1-5804-2174-4。
21. バーク、ブライアン (2008). 「NFL勝利予測手法」 .
22. Dare, William H. (2006).リスク・リターンとギャンブル市場の効率性(PDF) . オクラホマシティ、アメリカ合衆国：オクラホマ州立大学.オリジナル(PDF)から2013年7月19日にアーカイブ。 2012年11月5日閲覧。
23. Constantinou, Anthony; Fenton, N.; Neil, M. (2012). 「pi-football: サッカーの試合結果を予測するためのベイジアンネットワークモデル」(PDF) . Knowledge-Based Systems . 36 : 322– 339. CiteSeerX 10.1.1.420.4110 . doi : 10.1016/j.knosys.2012.07.008 . 
24. コンスタンチノウ、アンソニー、フェントン、N.、ニール、M. (2013). 「非効率的なアソシエーションフットボール賭博市場から利益を得る：ベイジアンネットワークを用いた予測、リスク、不確実性」 .ナレッジベースシステム. 50 : 60–86 . doi : 10.1016/j.knosys.2013.05.008 .
25. Patel, Mahesh (2023年1月24日). 「フットボール予測」 . Lootrs . 2023年1月24日閲覧。
26. 「サッカーの予想と予想」。Soccer Punt。
27. Overland, Indra (2019-03-01). 「再生可能エネルギーの地政学：新たな4つの神話を暴く」 . Energy Research & Social Science . 49 : 36–40 . Bibcode : 2019ERSS...49...36O . doi : 10.1016/j.erss.2018.10.018 . hdl : 11250/2579292 . ISSN 2214-6296 . 
28. ピーク、PM『アフリカの占いシステム：知る方法』 2ページ。インディアナ大学出版局。1991年。
29. 占いの定義
30. Kanade, Shantanu; Kanade, Anuradha (2023). 「人工知能と機械学習を用いた占星術予測」 .ハルビン工学ジャーナル. 44 (7): 1949– 1958. 2025年9月13日閲覧。
31. 「テクノロジーと若い愛好家のおかげで、占星術はブームになっている」『エコノミスト』 2025年1月15日。 2025年9月13日閲覧。
32. 「占星術AIは信頼できるのか？占星術師がChatGPTを使って出生図を読む方法を解説」『Teen Vogue』 2025年7月24日。 2025年9月13日閲覧。
33. 「人工知能と占星術は連携できるか？」 India Today、2025年9月3日。 2025年9月13日閲覧。
34. “KundliGPT – AI ベースの占星術チャットボット” . KundliGPT 。2025 年9 月 13 日に取得。
35. Stallings, AE (2020年8月22日). 「詩と予言」 . Poetry Foundation . 2020年8月22日閲覧。
36. フランケ、ウィリアム (2016年5月9日). 「詩、預言、そして神学的啓示」 .オックスフォード宗教研究百科事典. doi : 10.1093/acrefore/9780199340378.013.205 . ISBN 9780199340378. 2020年8月22日閲覧。

さらに読む

• イアレンティ、ヴィンセント（2020年）『ディープ・タイム・レコニング：未来思考が今、地球を救う方法』 MITプレス、ISBN 9780262539265。
• レッシャー、ニコラス（1998年）『未来を予測する：予測理論入門』ニューヨーク州立大学出版局、ISBN 0-7914-3553-9。
• テトロック、フィリップ・E.、ガードナー、ダン（2016年）『スーパーフォーキャスティング：予測の芸術と科学』クラウン社、ISBN 978-0804136716。