Sea $T_{\theta}(\mathbf{x})$ ser un completo, suficiente estadística $T_{\theta}: \Omega \mapsto \mathbb{R}$ donde $T_{\theta}$ está indexado por el parámetro $\theta \in \mathbb{R}^n$ .
¿Es cierto que la distribución muestral de $T_{\theta}$ está libre de subconjuntos relevantes . Es decir, $P(T_{\theta}(\mathbf{x}) \in S \subset \mathbb{R}|\mathbf{x} \in Q \subset \Omega) = P(T_{\theta}(\mathbf{x}) \in S \subset \mathbb{R})$ ?
Ejemplo : Utilizamos una estadística fundamental para definir un $(1-\alpha)\%$ intervalo de confianza. Si la distribución de esta estadística tiene subconjuntos relevantes, entonces después de ver los datos $\mathbf{x}$ nos damos cuenta de que $\mathbf{x}$ cae en un subconjunto tal que los intervalos de confianza formados utilizando datos muestreados de este subconjunto tienen una cobertura de confianza diferente de la confianza incondicional $(1-\alpha)\%$ .
Si esto fuera cierto, significaría que las inferencias frecuentistas (especialmente los intervalos de confianza) tendrían un condicional nivel de confianza que es el mismo que el incondicional nivel de confianza, entre otras ventajas.