估计量（estimator），is a rule for calculating an estimate of a given quantity based on observed data: thus the rule (the estimator), the quantity of interest (the [estimand] and its result (the estimate) are distinguished

estimate 取决于估计公式（估计过程estimator）以及用于估计的样本estimand

无偏性

• 没有系统偏差。估计量的期望等于真实值的期望:

(http://latex.codecogs.com/svg.latex?bias(\hat{\theta}(x))=E(\hat{\theta}(x))-\theta) (http://latex.codecogs.com/svg.latex?\hat{\theta}(x)\ is\ an\ estimator\ of\ \theta\ on\ x,\ \hat{\theta}\ is\ unbiased\ estimator\ when\ bias\ is\ zero)

  1.当估计量（视为随机变量）的期望值等于真实参数值则为无偏（任何统计量都是其期望的无偏估计）
  2.无偏估计有个重要的性质，例如u为θ的无偏估计，但是f(u)并不一定是f(θ)的无偏估计。例如利用均值的无偏估计，对方差进行估计：（非线性变换下均值无偏性不会保留，不过中值无偏性会保留）
 https://www.matongxue.com/madocs/607.html，
 https://en.wikipedia.org/wiki/Bessel%27s_correction

有效性

离散度小有效性强(low variance，方差sigma^2较小）

一致性

随着样本容量的增加，估计量的序列在概率上收敛于θ

关于bias的选择

 有偏估计一般是由于估计过程存在系统误差。大部分情况，系统误差的引入是有意的：一般是由于无偏估计不存在，或者不进行更多的假设的话难以计算，或者进行有偏估计能使估计量的方差更小（离散度小，有效性强）。