Trong bối cảnh dự báo, loại bỏ các ngoại lệ là rất nguy hiểm. Chẳng hạn, bạn đang dự báo doanh số của một cửa hàng tạp hóa. Giả sử có một vụ nổ gas ở tòa nhà lân cận, khiến bạn phải đóng cửa hàng trong vài ngày. Đây là lần duy nhất cửa hàng đóng cửa sau 10 năm. Vì vậy, bạn có được chuỗi thời gian, phát hiện ngoại lệ, loại bỏ nó và dự báo. Bạn âm thầm cho rằng không có gì như thế này sẽ xảy ra trong tương lai. Trong ý nghĩa thực tế, bạn đã nén phương sai quan sát được của bạn và phương sai hệ số co lại. Vì vậy, nếu bạn hiển thị các dải tin cậy cho dự báo của mình, chúng sẽ hẹp hơn so với trước đây nếu bạn không xóa ngoại lệ.
Tất nhiên, bạn có thể giữ ngoại lệ và tiếp tục như bình thường, nhưng đây cũng không phải là một cách tiếp cận tốt. Lý do là ngoại lệ này sẽ làm lệch các hệ số.
Tôi nghĩ rằng một cách tiếp cận tốt hơn trong trường hợp này là cho phép phân phối lỗi với đuôi béo, có thể là phân phối ổn định. Trong trường hợp này, ngoại lệ của bạn sẽ không làm lệch các hệ số quá nhiều. Chúng sẽ gần với các hệ số bị loại bỏ ngoại lệ. Tuy nhiên, ngoại lệ sẽ hiển thị trong phân phối lỗi, phương sai lỗi. Về cơ bản, bạn sẽ kết thúc với các dải tin cậy dự báo rộng hơn.
Các dải tin cậy truyền tải một phần thông tin rất quan trọng. Nếu bạn dự báo doanh số sẽ là 1.000.000 đô la trong tháng này, nhưng có 5% khả năng họ sẽ là 10.000 đô la, điều này ảnh hưởng đến quyết định chi tiêu, quản lý tiền mặt của bạn, v.v.