评价样本估计量的标准：无偏性、有效性和一致性
参数估计是用样本估计量作为总体参数的估计，对于一个未知参数，可以构造很多个估计量去估计它，例如估计总体均值，可以用样本平均值估计，也可以用样本中位数、样本众数等平均指标去估计，这就涉及如何评价估计量的优劣。
究竟什么样的统计量是优良估计量，一般来说，主要有以下评价标准：无偏性、有效性和一致性。
1．无偏性
无偏性指的是样本指标的平均数等于被估计的总体参数，即估计量 ˆθ的数学期望等于待估参数的真值θ。
在随机抽样中，有时会抽到偏小的单位，有时会抽到偏大的单位，在无偏估计的情况下，这种误差没有系统性方向，随着样本的增加，这有大有小的误差会相互抵消，因此无偏估计量是指没有系统性误差。有偏估计量则不同，它的误差不会随着样本的增大而消失，而是具有一定的方向，会产生系统性误差。
2．有效性
有效性也称为最小方差性，指的是估计量在所有无偏估计量中具有最小方差。对同一总体参数的两个无偏点估计量，有更小方差的估计量更有效。
3．一致性
一致性指的是随着样本量的增大，估计量的值越来越接近被估计的总体参数。
如果一个估计量是一个一致估计量，那么样本容量越大，代表性就越好，估计的可靠性就越高；如果不是一致估计量，增大样本容量不会提高其代表性。
