无偏性意味着在关于总体分布的假设下，重复抽样中的估计量将平均等于总体参数。这是最小方差无偏估计量理论的一个很好的属性。但是，我认为不偏不倚被过分强调了。均方误差可以很好地衡量估计器的准确性。它等于估计量偏差的平方加上方差。有时，具有小偏差的估计器的均方误差小于具有大方差的无偏估计器。

有偏差的估计量可以是渐近无偏的，这意味着随着样本量变大，偏差趋于 0。如果估计量是渐近无偏的，并且随着样本量变大方差变为 0，则估计量是一致的（概率）。从技术上讲，在测度论中，概率收敛和几乎肯定收敛之间存在差异。Cramer Rao 下界是一个数学结果，它表明在特定的参数分布族中，没有无偏估计量的方差可以小于该界限。因此，如果您可以证明您的估算器达到了 Cramer Rao 下限，那么您就有了一个有效的估算器。

想想向一个目标开火。如果你一直把目标打得太低，你就有偏见。如果您的箭头紧密分组，您就有一个有效的估计。您可能对莫里斯·肯德尔 (Maurice Kendall) 关于该主题的诗感兴趣或感到好笑http://www.columbia.edu/~to166/hiawatha.html