Tradiční statistické metody obecně odkazují na metody výzkumu založené na klasické statistice a teorii pravděpodobnosti. Důležitým teoretickým základem je věta o velkém počtu a centrální limitní věta. Vyžaduje velké množství experimentálních údajů, velké množství náhodných proměnných a malý dopad na populaci. Má vzájemnou nezávislost; metoda informační entropie vyžaduje znát distribuci pravděpodobnosti systému nebo frekvenci a také vyžaduje omezený počet dat. Je-li rozdělení pravděpodobnosti neznámé a data jsou malá, je inferenční chyba velmi velká; spolehlivost teoretické predikce šedého systému nelze předem určit. Výsledek predikce je proto nejistý a zároveň je původní sekvence dat příliš přísná, to znamená, že šedá předpověď má omezenou oblast a některé obtížné problémy vznikne v dynamické predikci; hlavním problémem teorie fuzzy množin je to, že rozdělení pravděpodobnosti není známo Zřízení členské funkce systému a výběr stupně členství jsou velmi obtížné; Bayesovská metoda vyžaduje, aby byla známa funkce rozdělení pravděpodobnosti nebo hodnota frekvence. Bez této informace nelze empirickou hodnotu přesně získat a chyba jejího výsledného výsledku může být velmi velká; samoobslužná metoda S výhradou úplnosti reprezentativnosti původního vzorku pro distribuční populaci nebudou simulované výsledky vzorkování získávat důvěryhodnější informace, zejména v případě nedostatku informací o stavu malých vzorků, výsledky dospěly k závěru, že spolehlivost je nízká.
Výše uvedený výzkum ukazuje, že jediný způsob je obtížné účinně vyřešit problém nedostatku informací. Každá metoda má výhody a omezení. Pokud dokáže účinně integrovat více metod, plně využijte výhod jedné metody, opusťte nevýhody jedné metody a přiměřeně použijte fúzní metodu. Můžete získat informace o různých stranách a úhlech. Xia Xintao a další 147.30 provedli v tomto ohledu spoustu práce na analýze výkonnosti ložisek a také poskytli dobrý nápad pro řešení problémů s hodnocením výkonu valivých ložisek.