Будем по-прежнему предполагать, что мы исследуем случайную переменную 
с неизвестным математическим ожиданием 
и теоретической дисперсией 
и что для оценивания используется 
. Каким образом точность оценки зависит от числа наблюдений 
?
Ответ неудивителен: при увеличении оценка , вообще говоря, становится более точной. В единичном эксперименте большая по размеру выборка необязательно даст более точную оценку, чем меньшая выборка, – всегда может присутствовать элемент везения, – но общая тенденция должна быть именно такой. Поскольку дисперсия выражается формулой 
(доказательство этого факта мы опускаем), она тем меньше, чем больше размер выборки, и, значит, тем сильнее «сжата» функция плотности вероятности для .
Это показано на рис. A.9. Мы предполагаем, что нормально распределена со средним 25 и стандартным отклонением 50. Если размер выборки равен 25, то стандартное отклонение величины , равное 
, составит: 
. Если размер выборки равен 100, то это стандартное отклонение равно 5. На рис. А.9 показаны соответствующие функции плотности вероятности. Вторая (
) выше первой в окрестности , что говорит о более высокой вероятности получения с ее помощью аккуратной оценки. За пределами этой окрестности вторая функция всюду ниже первой.
Рис. A.9.
Чем больше размер выборки, тем уже и выше будет график функции плотности вероятности для . Если становится действительно большим, то график функции плотности вероятности будет неотличим от вертикальной прямой, соответствующей 
. Для такой выборки случайная составляющая становится действительно очень малой, и поэтому обязательно будет очень близкой к . Это вытекает из того факта, что стандартное отклонение , равное , становится очень малым при больших .
В пределе, при стремлении к бесконечности, стремится к нулю и стремится в точности к .
