可能是数学符号在某种程度上令人生畏，但这并不是那么令人生畏。看看无偏估计量会发生什么，例如样本均值：

我们从具有均值的总体中获得的样本均值的期望之间的差异$\theta$和人口参数，$\theta$，本身为零，因为样本均值将全部分布在总体均值周围。它们都不是完全的总体均值，但所有样本均值的均值恰好是总体均值。

对于其他参数（例如方差）而言，情况并非如此，因为与真实方差相比，在样本中观察到的方差往往太小。因此，如果我们想从样本中估计总体方差，我们除以$n-1$， 代替$n$（巴塞尔校正）将样本方差的偏差作为总体方差的估计值进行校正：

在这两种情况下，样本都由总体参数控制$\theta$，解释定义方程中红色部分：$\text{Bias}E[\bar\theta]=E_\color{red}{{p(X|\theta)}}[\bar\theta]-\theta$. 然而$\bar\theta$远离$\theta$当估计器有偏差时。