Формула (4.3) также допускает подобное толкование. Из вышеизложенного следует, что матрица 
является априорной к. м. вектора 
Тогда диагональные элементы матрицы 
являются дисперсиями компонент этого вектора и некоторые из них положительны, а некоторые равны нулю. Из равенства (4.3) следует, что диагональные элементы условной к. м. C (условные дисперсии), имеющие те же номера, что и положительные диагональные элементы к. 
будут меньше соответствующих диагональных элементов априорной к. 
Это означает, что соответствующие компоненты вектора 
«стохастически наблюдаемы», так как условные дисперсии этих компонент меньше их априорных дисперсий. Остальные компоненты 
«стохастически ненаблюдаемы» (их условные дисперсии равны априорным дисперсиям).
Вектор будем называть стохастически наблюдаемым, если при данных измерениях будут стохастически наблюдаемы все его компоненты.
Справедлива следующая лемма о стохастической наблюдаемости.
Лемма 4.2. Обозначим 
число стохастически наблюдаемых компонент вектора 
число строк матрицы 
у которых есть не равные нулю элементы. Тогда справедливо равенство
Пусть 
строка матрицы 
такая, что 
есть элемент, не равный нулю). Из (4.24) получим
Так 
то 
следовательно, 
Поэтому, если 
то 
элемент вектора 
стохастически наблюдаем. Значит, величина 
равна числу тех строк матрицы 
у которых есть элементы, не равные нулю, и справедливо 
Ранг матрицы не больше числа ее строк (и числа столбцов), не равных нулю, и, следовательно,
Неравенство (4.28) иногда используется для оценки снизу величины 
Из леммы 4.2 следует, что для стохастической наблюдаемости вектора 
необходимо и достаточно выполнения условия 
и достаточно, чтобы 
будет вектор 
Если этот вектор близок к нулю, то зафиксированный 
не несет какой-либо новой, по сравнению с априорной, информации о векторе 
как следует из (4.2), 
В противном случае вектор 
после умножения на матрицу соответствующих весовых коэффициентов прибавляется к 
следовательно, 
отличается от 