有限波動信度
/ the 'classical' theory /
最古老的信度思想誕生於約 1914 年的工傷補償費率釐定，出發點很樸素：別讓估計值跳來跳去太厲害。這種想法簡單而人性化——「我會在安全範圍內盡量信任自己的資料，而安全的檢驗標準是資料不會逐年劇烈波動。」因為它的設計目標就是限制估計值的隨機波動，所以叫做有限波動信度，也稱經典信度。
具體來說，它設定一個目標：我們希望觀測到的經驗有高機率（比如 90%）落在其真實均值的一個小百分比範圍內（比如正負 5%）。若資料多到能滿足這個目標，則資料「完全可信」，得到滿權重（Z = 1）；若較少，則得到部分權重，而著名的平方根法則恰好規定了多少。整套機制的關鍵在於：算出在隨機雜訊小到足以信任之前，你需要多少筆理賠（或多少風險暴露）。對於服從卜瓦松分布的理賠次數，頻率的完全信度通常需要一千餘次預期理賠的量級。
有限波動信度直觀、易算，至今仍嵌在許多監管與費率公式裡。但要誠實地看它的弱點：它從不追問一個風險與另一個風險究竟有多不同。它把基準當成完全正確，只擔心你自身資料裡的雜訊。這正是為何更現代的 Buhlmann（最大精度）方法——它把風險之間真實的差異與風險內部的雜訊相互權衡——在理論上更受青睞；不過經典信度依然存活，因為它簡單，且在許多實務場景中「夠用」。
某方案要求頻率估計有 90% 的把握落在均值的 5% 以內，需 1,082 次預期理賠。理賠達到這麼多的業務為完全可信（Z=1）；只有 270 次的業務得到部分信度 Z = sqrt(270/1082) 約 0.50。
完全信度是一個資料量門檻；低於它時，平方根法則將 Z 按比例縮小。
經典信度在確定 Z 時，從未估計風險之間真正差異有多大。它可能給一個確實異常的風險過少的權重，因為它只防範雜訊，而不防範基準對你而言本就不對。