Dosleden ocenjevalec je tisti, katerega merilna napaka ali pristranskost se približa ničli, ko se velikost vzorca približa neskončnosti.
Iz opredelitve nepristranskega ocenjevalca lahko sklepamo, da imamo včasih napake pri ocenjevanju. Zdaj so primeri, ko se vzorec poveča, se napaka zmanjša.
Včasih se zaradi značilnosti uporabljenega ocenjevalnika, ko se velikost vzorca poveča, poveča tudi napaka. Tega ocenjevalca ne bi bilo zaželeno uporabljati. Zdaj, a priori, ne vemo, kje teži pristranskost. Če se nagiba k nič, teži k določeni vrednosti ali pa k neskončnosti, ko se velikost vzorca poveča.
Kljub temu je treba opredeliti koncept doslednosti. Zanje moramo reči, da obstajata dve vrsti doslednosti. Nekaj je preprosto doslednost. Po drugi strani pa je konsistenca v povprečnem kvadratu.
Povedano nekako, gre za dve matematični orodji, ki nam omogočata, da izračunamo, k kateremu številu ali številkam se približuje naš ocenjevalec.
Ocena točkePreprosta doslednost
Ocenjevalec izpolnjuje lastnost preproste skladnosti, če je izpolnjena naslednja enačba:
Enačba se od leve proti desni glasi takole: Meja verjetnosti, da je absolutna razlika med vrednostjo ocenjevalca in vrednostjo parametra večja od napake, je enaka nič, kadar je velikost vzorca nagnjena k neskončnosti .
Razume se, da mora biti vrednost napake, ki jo opazi epsilon, večja od nič.
Formula intuitivno kaže, da ko je velikost vzorca zelo velika, je verjetnost napake, večje od nič, enaka nič. V nasprotnem primeru je verjetnost, da ni napake, kadar je velikost vzorca zelo velika, v verjetnosti skoraj 100%.
Ocenjevalnik, sestavljen iz kvadratne sredine
Drugo orodje, s katerim lahko preverimo, ali je ocenjevalnik dosleden, je napaka korena srednje vrednosti. To matematično orodje je še močnejše od prejšnjega. Razlog je v tem, da je zahteva po tem stanju večja.
V prejšnjem poglavju je bila zahteva, da je verjetnostno gledano možnost napake enaka nič ali zelo blizu ničli.
Kar zahtevamo, je opredeljeno z naslednjo matematično enakostjo:
Ko je velikost vzorca velika, je matematično pričakovanje kvadratnih napak nič. Edina možnost, da je ta vrednost enaka nič, je, da je napaka vedno enaka nič. Zakaj? Ker se napaka ocene poveča na dve (ocenjevalnik - resnična vrednost parametra), bo rezultat vedno pozitiven. Razen če napaka ni enaka nič. Ničlo dvignjeno na dva je nič.
Če omejitev vrne 0,0001, lahko seveda predpostavimo, da je enaka nič. Skoraj nemogoče je, da se zemljevid napake korenov povprečja premakne na nič.
Statistično gledano bomo rekli, da je ocenjevalec skladen v kvadratni srednji vrednosti, če je pričakovanje kvadratne napake ocenjevalnika ob upoštevanju različnih vzorcev nič ali zelo blizu nje.