เพราะการสมมติว่าข้อผิดพลาดปกตินั้นมีประสิทธิภาพเหมือนกับสมมติว่าข้อผิดพลาดขนาดใหญ่ไม่ได้เกิดขึ้น! การแจกแจงแบบปกติมีหางที่เบาความคลาดเคลื่อนนอกส่วนเบี่ยงเบนมาตรฐานมีโอกาสน้อยมากข้อผิดพลาดนอกส่วนเบี่ยงเบนมาตรฐานนั้นเป็นไปไม่ได้ ในทางปฏิบัติสมมติฐานนั้นไม่ค่อยเป็นจริง เมื่อทำการวิเคราะห์ชุดข้อมูลขนาดเล็กที่เป็นระเบียบจากการทดลองที่ออกแบบมาอย่างดีสิ่งนี้อาจไม่สำคัญหากเราทำการวิเคราะห์สารตกค้างที่ดี ด้วยข้อมูลที่มีคุณภาพน้อยลงมันอาจมีความสำคัญมากกว่านั้น± 3± 6
เมื่อใช้วิธีการที่น่าจะเป็นไปตามวิธี (หรือแบบเบย์) ผลของภาวะปกตินี้ (ดังที่ได้กล่าวไว้ข้างต้นอย่างมีประสิทธิภาพนี่คือ "ไม่มีข้อผิดพลาดใหญ่" - ข้อสันนิษฐาน!) คือการอนุมานที่แข็งแกร่งน้อยมาก ผลของการวิเคราะห์นั้นได้รับอิทธิพลอย่างมากจากความผิดพลาดครั้งใหญ่! สิ่งนี้จะต้องเป็นเช่นนั้นเนื่องจากการสันนิษฐานว่า "ไม่มีข้อผิดพลาดขนาดใหญ่" บังคับให้วิธีการของเราในการตีความข้อผิดพลาดขนาดใหญ่เป็นข้อผิดพลาดเล็กน้อยและสามารถเกิดขึ้นได้โดยการย้ายพารามิเตอร์ค่าเฉลี่ยเพื่อทำให้ข้อผิดพลาดทั้งหมดเล็กลง วิธีหนึ่งในการหลีกเลี่ยงสิ่งนั่นคือการใช้สิ่งที่เรียกว่า "วิธีการที่มีประสิทธิภาพ" ดูที่ http://web.archive.org/web/20160611192739/http://www.stats.ox.ac.uk/pub/StatMeth/Robust .pdf
แต่แอนดรูเจลแมนจะไม่ทำสิ่งนี้เนื่องจากวิธีการที่แข็งแกร่งมักจะถูกนำเสนอในลักษณะที่ไม่ใช้เบย์สูง การใช้ข้อผิดพลาดเสื้อกระจายในรูปแบบความน่าจะเป็น / คชกรรมเป็นวิธีที่แตกต่างกันเพื่อให้ได้วิธีการที่มีประสิทธิภาพในขณะที่ -distribution มีหางหนักกว่าปกติดังนั้นเพื่อช่วยให้สัดส่วนขนาดใหญ่ของข้อผิดพลาดที่มีขนาดใหญ่ จำนวนองศาของพารามิเตอร์เสรีภาพที่ควรได้รับการแก้ไขล่วงหน้าไม่ได้ประเมินจากข้อมูลตั้งแต่การประมาณค่าดังกล่าวจะทำลายคุณสมบัติความทนทานของวิธีการ (*) (มันยังเป็นปัญหาที่ยากมากฟังก์ชั่นความน่าจะเป็นสำหรับที่ จำนวนองศาอิสระสามารถถูก จำกัด ได้ซึ่งนำไปสู่เครื่องมือประมาณค่าที่ไม่มีประสิทธิภาพ (ไม่สอดคล้องกัน)เสื้อν
ตัวอย่างเช่นหากคุณคิดว่า (กลัว) ที่มากถึง 1 ในสิบข้อสังเกตอาจเป็น "ข้อผิดพลาดใหญ่" (สูงกว่า 3 sd) จากนั้นคุณสามารถใช้ -distribution กับ 2 องศาอิสระเพิ่มจำนวนนั้นถ้า สัดส่วนของความผิดพลาดใหญ่เชื่อว่ามีขนาดเล็กลงเสื้อ
ฉันควรทราบว่าสิ่งที่ฉันได้กล่าวไว้ข้างต้นสำหรับรุ่นที่มีอิสระ -distributed ข้อผิดพลาด นอกจากนี้ยังมีข้อเสนอของหลายตัวแปร -distribution (ซึ่งไม่เป็นอิสระ) เป็นการกระจายข้อผิดพลาด propsal ที่ถูกวิพากษ์วิจารณ์อย่างหนักในกระดาษ "เสื้อผ้าใหม่จักรพรรดิ: วิจารณ์ของหลายตัวแปรแบบการถดถอย" โดย TS Breusch, JC โรเบิร์ตและ AH เวลส์ใน Statistica Neerlandica (1997) ฉบับ 51, nr 3, PP. 269-286 ที่พวกเขาแสดงให้เห็นว่าหลายตัวแปรกระจายความผิดพลาดคือสังเกตุความแตกต่างจากปกติ แต่การวิจารณ์ที่ไม่ได้ส่งผลกระทบต่อความเป็นอิสระรุ่น เสื้อเสื้อเสื้อเสื้อเสื้อ
(*) ข้อมูลอ้างอิงหนึ่งฉบับระบุว่านี่คือ MASS ของ Venables & Ripley --- สถิติประยุกต์สมัยใหม่พร้อม S (หน้า 110 ในรุ่นที่ 4)