本博文源于《商务统计》，主要探究理解估计量的三条评价标准，为后面的假设检验学习作出相应的铺垫。

我们一般会用样本的一些特性去描述总体的一些特性，以达到最好的估计。样本去估计整体的方法的好坏叫做估计量的好坏。如何评价呢？那就要引出估计量的三条标准：

无偏性：就是估计出来的值就是处于整体的值的附近 理想中估计值的数学期望等于总体参数的数学期望

比如：同样连续从2w大学生抽取200名统计月平均生活消费，取得下列结果

这些抽取出来的结果应该是样本的平均值，然后我们对样本的平均值进行求和再求取平均就会发现，这时候产生的值应该等于总体的平均值才是正确的，这就叫做估计量的无偏性。 然后再去理解定义就明白了：

无偏估计只是能确定估计量在总体取值区间来回摆动，但是摆动范围大小需要确定，这时候引用方差概念。方差可以类比成估计量的有效性。 敲黑板：方差越小，越有效！ 那就有不服气的小朋友问了？方差是什么？ 答：x的取值与均值的累加平方和 那这些能告诉我什么呢？是不是难以摸出头脑？ 就拿这种图来看吧，图中大家能清晰看到两种比较明显的抽样分布图，看出B这种图特别尖也就是特别陡，因此它的取值可以被理解成非常集中。非常集中它的一般取值跟均值的差的平方和就比A小，因此方差比较小，它的估计量就越有效。

这个比上面更好理解，就是样本取值越大越好，符合我们熟悉理解的常理。一次发生可以说是偶然，屡次发生就叫做惯犯了。但一致性要有数学理论支撑，这在《概率论与数理统计》中有一个定律叫做切比雪夫大数定律。附图 透露出，只要样本足够大，就可以反映总体的变化。