この記事では、データ駆動型の確率的最適化におけるバイアスとバリアンスのトレードオフを局所的なミス指定の観点から分析しています。特に、サンプル平均近似（SAA）やモデルベースの手法（推定・最適化アプローチや統合推定-最適化アプローチ）を対象に、これらの手法の相対的パフォーマンスを考察します。従来の研究では、これらのモデルベースアプローチが適切に指定されているか不適切であるかの二者択一が中心でしたが、この記事では局所的なミス指定の状況を考慮し、これに基づく分析を提供します。局所的ミス指定の度合いによって、バイアスとバリアンスの重要性が変動することが示され、また意思決定におけるバイアスの明示的な表現が導出され、ミス指定の影響をより深く理解できるようになります。