معمولا برای براورد پارامترهای یک مدل رگرسیونی از روش های مرسوم براوردیابی مانند روش ماکسیمم درستنمایی استفاده می‌شود. گاهی اوقات محقق دارای اطلاع پیشین درمورد پارامتر عرض از مبدأ به صورت یک حدس است که به آن اطلاع پیشین غیرنمونه‌ای می‌گویند. در این مقاله براوردگرهای انقباضی و پیش‌آزمون انقباضی برای پارامتر عرض از مبدأ با توجه به اطلاع پیشین غیرنمونه ای معرفی و کارایی نسبی آن ها تحت تابع زیان نرمال بازتابیده مورد بررسی قرار می‌گیرد. رفتار براوردگر پیش‌آزمون انقباضی در مقایسه با براوردگرهای انقباضی و ماکسیمم درستنمایی به صورت گرافیکی ارزیابی می‌شود. بازه‌هایی که براوردگر پیش‌آزمون انقباضی دارای مخاطره کمتری نسبت به براوردگر ماکسیمم درستنمایی است ارائه می‌شود. نتایج نشان می‌دهد هرچه مقدار حدس زده شده به پارامتر واقعی نزدیکتر باشد براوردگر پیش‌آزمون انقباضی عملکرد بهتری نسبت به برآوردگر ماکسیمم درستنمایی دارد. همچنین با استفاده از روش ماکس‌مین مقدار بهینه سطح معنی‌داری آزمون تعیین می‌شود. سپس با استفاده از یک مجموعه داده واقعی، کاربرد براوردگرهای پیشنهادی نشان داده می‌شود.
