تشير الأساليب الإحصائية التقليدية عمومًا إلى طرق البحث القائمة على الإحصاءات الكلاسيكية ونظرية الاحتمالات. الأساس النظري المهم هو نظرية الأعداد الكبيرة ونظرية الحد المركزي. يتطلب عددًا كبيرًا من البيانات التجريبية ، وعددًا كبيرًا من المتغيرات العشوائية ، وتأثير صغير على السكان. لديها الاستقلال المتبادل. تتطلب طريقة إنتروبيا المعلومات توزيع احتمالية النظام أو تردده ، ويتطلب أيضًا عددًا محدودًا من البيانات. عندما يكون توزيع الاحتمالات غير معروف والبيانات صغيرة ، يكون خطأ الاستدلال كبيرًا جدًا ؛ لا يمكن تحديد ثقة التنبؤ النظري للنظام الرمادي مقدمًا لذلك ، فإن نتيجة التنبؤ غير مؤكدة ، وفي الوقت نفسه ، فإن تسلسل البيانات الأصلي صارم للغاية ، أي أن التوقعات الرمادية لها منطقة محظورة ، وبعض المشاكل الصعبة سوف تنشأ في التنبؤ الديناميكي ؛ المشكلة الرئيسية لنظرية المجموعة الغامضة هي أن توزيع الاحتمالات غير معروف. إنشاء وظيفة العضوية للنظام واختيار درجة العضوية أمر صعب للغاية ؛ تتطلب طريقة بايزي أن تكون دالة توزيع الاحتمالات أو قيمة التردد معروفة. بدون هذه المعلومات ، لا يمكن الحصول على القيمة التجريبية بدقة ، وقد يكون خطأ نتيجة الاستدلال كبيرًا جدًا ؛ طريقة المساعدة الذاتية - بالاعتماد بالكامل على تمثيلية العينة الأولية لسكان التوزيع ، لن تكون نتائج أخذ العينات المحاكاة الحصول على مزيد من المعلومات أكثر مصداقية ، لا سيما في حالة عدم وجود معلومات عن حالة العينات الصغيرة ، خلصت النتائج إلى أن الموثوقية منخفضة.
يظهر البحث أعلاه أنه من الصعب حل مشكلة نقص المعلومات بطريقة فعالة. كل طريقة لها مزايا وقيود. إذا كان بإمكانه دمج طرق متعددة بشكل فعال ، فاعمل بشكل كامل على مزايا طريقة واحدة ، والتخلي عن عيوب طريقة واحدة ، واستخدام طريقة الاندماج بشكل معقول. يمكنك الحصول على معلومات عن جوانب وزوايا مختلفة. شيا شين تاو وغيرها من 147.30 قد فعلت الكثير من العمل على تحليل أداء تحمل في هذا الصدد ، وكذلك قدمت فكرة جيدة لحل مشاكل تقييم أداء أسطواني.