Se revisa la desigualdad de Cramer-Rao-Frechet y se extiende a la adaptación de pistas. Una opinión difusa atribuye a esta desigualdad la limitación de la resolución de los ajustes de pista con el número N de observaciones. Se mostrará que esta opinión es incorrecta, el método de mínimos cuadrados ponderados no está sujeto a esa limitación de N y la resolución se puede mejorar más allá de esos límites. En publicaciones anteriores, simulaciones con modelos realistas y modelos gaussianos simples produjeron resultados interesantes: crecimientos lineales de los picos de las distribuciones de los parámetros ajustados con el número N de observaciones, mucho más rápidos que los de los mínimos cuadrados estándar. Estos resultados podrían considerarse una violación de una regla bien conocida para la varianza de un estimador no sesgado, frecuentemente reportada como el límite de Cramer-Rao-Frechet. Para aclarar este punto sin lugar a dudas, sería esencial una prueba directa de la consistencia de esos resultados con esta desigualdad. Desafortunadamente, tal prueba falta. Por lo tanto, los desarrollos de Cramer-Rao-Frechet se aplican para probar la eficiencia (optimalidad) del modelo gaussiano simple y la consistencia del crecimiento lineal. La desigualdad sigue siendo válida incluso para modelos irregulares que apoyan la mejora similar de la resolución para los modelos realistas.