Trong lý thuyết quyết định thống kê cổ điển, ta có một đánh giá δ {\displaystyle \delta } được dùng để đánh giá một tham số θ ∈ Θ {\displaystyle \theta \in \Theta } . Chúng ta cũng giả sử có một hàm rủi ro R ( θ , δ ) {\displaystyle R(\theta ,\delta )} , thường được cho như là một tích phân của một hàm thua lỗ. Trong cấu trúc này, δ ~ {\displaystyle {\tilde {\delta }}} được gọi là minimax nếu như nó thỏa mãn

sup θ R ( θ , δ ~ ) = inf δ sup θ R ( θ , δ ) {\displaystyle \sup _{\theta }R(\theta ,{\tilde {\delta }})=\inf _{\delta }\sup _{\theta }R(\theta ,\delta )} .

Một tiêu chuẩn khác trong lý thuyết quyết định là đánh giá Bayes với sự hiện diện của một phân bố cho trước Π {\displaystyle \Pi } . Một đánh giá là Bayes nếu như nó làm tối thiểu rủi ro trung bình

∫ Θ R ( θ , δ ) d Π ( θ ) {\displaystyle \int _{\Theta }R(\theta ,\delta )\,d\Pi (\theta )} .