? 滿足Le Cam卷積定理前提的概率分布族稱為正規參數族（Regular parametric family），囊括了大多數參數統計學常用的分布。然而，一元正規參數族)
的
是在開區間上定義的連續參數，其取值有不可數無窮多個。計算機可執行的算法均由有限多基本步驟組成，故算法個數至多為可數無窮。簡單的推論即得絕大多數值都不存在可行算法。
? 但我們要估計參數值時，恰恰又要依賴可執行在觀測樣本
上的算法（例：矩估計。這里默認樣本自身的取值數有限），因此得出的只能是總數占滄海一粟的可計算值。用極特例的估計值去逼近一般情況下的不可計算值，能做到多好的精確度呢？這就是Vladimir Vovk在這篇論文中解決的問題：
? 原作者證明：令
為正規參數族中值的一致可計算估計量，下標
表示測得i.i.d樣本數，則當值不可計算時恒有：
? ? ? ? ? ? ? ? ? ??%7D%20%20)%5Cgeq%20%5CPhi%20(-c))
? 對所有充分大的成立。式中
為標準正態分布累積函數，
是個樣本的總Fisher信息。c為可選的正數。
? 我們取c=3，查正態累積值表知)
約為0.0015，故估計量對真值的偏離不超出
范圍的概率至多到0.9985。換言之，在置信水平不低于99.85%的要求下，只能精確到
的區間。其他置信度的情形可自行代換c值類推，不論如何，精確程度決定于總Fisher信息的高低，Fisher信息量越小，估計范圍就越大越失準。這性質同Cramer Rao不等式相仿，但這里對有偏的估計量同樣適用。
? 此式的趣味之一在于：它只針對不可計算的參數值。若
可計算，則有很自然的反例：令
（與樣本無關的常數），既然可計算，這也算是個可計算估計量（“一只停了的鐘每天也準兩次”）。顯然它在
處不遵守上述規律——它偏離真值的概率始終是0，與樣本量n無關。但正如前文所敘，可計算的參數值是鳳毛麟角，此種形同套用已知值作弊的做法被不可計算性阻擋了。
