Na jednostavnom primeru procene parametara linearnog modela koji predstavlja pravu u ravni biće ilustrovani nedostaci naivnog pristupa koji bi pošao od pretpostavke da je robusnu procenu parametara moguće realizovati postupkom iterativnog odbacivanja opservacija za koje se smatra da najviše odstupaju od predikcija koje obezbeđuje tekuća procena modela

U vertikalnoj tabeli sa dve kolone, koja se nalazi u desnom delu slajda, date su vrednosti (koordinate) 7 opservacija (tačaka) prikazanih na slici levo (u sredini). Na istoj slici, ilustrovana je prava koja bi odgovarala idealnoj proceni parametara, a takođe je posebno naznačena i tačka (opservacija) pod rednim brojem 7, koja predstavlja grubu grešku merenja i najviše odstupa od idealne procene.

U maloj tabeli koja se nalazi gore-desno prikazane su jednačine pravih koje se dobijaju iterativnim procenama modela koje se zasnivaju na opisanom naivnom pristupu u kome se iz iteracije u iteraciju iz polaznog skupa tačaka (opservacija) postepeno odbacuju tačke koje u datoj iteraciji najviše odstupaju od modela (imaju najveći rezidual). Posebno je zanimljiva središnja kolona iste tabele, u kojoj se jasno uočava da kroz sve posmatrane iteracije data tačka 7 uvek ostaje deo skupa na osnovu koga se radi procena, što svakako nije dobro rešenje, imajući u vidu da je u pitanju gruba greška merenja.

U tabeli pri dnu slajda detaljno su prikazani koraci određivanja reziduala koji odgovaraju pojedinačnim opservacijama (tačkama) tokom opisanog „naivnog“ iterativnog postupka. Kao što se vidi, spletom okolnosti, tačka broj sedam sve do kraja ostaje deo skupa „pouzdanih“ opservacija, iako to nikada nije bila. Usled potrebe da se u opštem slučaju prevaziđe prikazani nedostatak, na narednom slajdu će biti diskutovana priroda grešaka merenja koje mogu prethoditi proceni i ukazano da tzv. „greške klasifikacije“ (u slučaju detektora), odnosno tzv. grube greške merenja, u opštem slučaju nije moguće ukoniti postupkom koji je analogan „uprosečavanju“ opservacija, već je potreban nelinearni postupak kojim će nepouzdane opservacije biti na vreme eliminisane iz daljeg razmatranja. Kao jedan od načina biće najavljen algoritam zasnovan na slučajnom poduzorkovanju originalnog skupa opservacija.