参数估计是用样本估计量θ(∧)作为总体参数θ的估计， 但用于估计θ的估计量有很多， 比如， 可以用样本均值作为总体均值的估计量， 也可以用样本中位数作为总体均值的估计量。 在进行参数估计时就需要选择估计效果最好的估计量， 用于评价估计量的优良标准主要有以下几个：
（1） 无偏性
无偏性是指估计量抽样分布的数学期望等于被估计的总体参数。 设总体参数为θ， 所选择的估计量为θ(∧)， 如果E（θ(∧)） ＝θ， 则称θ(∧)为θ的无偏估计量。根据样本均值的抽样分布可知， E（x(＿)） ＝μ， E（p） ＝π， 同样可以证明，E（s² ） ＝σ² ， 因此X(＿)， p， s² 分别是总体均值μ， 总体比例π， 总体方差σ²的无偏估计量。
（2） 有效性
有效性是指对同一总体参数的两个无偏估计量， 有更小标准差的估计量更有效。 假定有两个用于估计总体参数的无偏估计量， 分别用θ(∧)₁ 和θ(∧)₂ 表示， 它们的抽样分布的方差分别用D（θ(∧)₁ ） 和D（θ(∧)₂ ） 表示， 如果θ(∧) ₁ 的方差小于θ(∧)₂的方差， 即D（θ(∧) ₁ ） ＜D（θ(∧) ₂ ） ， 就称θ(∧) ₁是比θ(∧)₂ 更有效的一个估计量。在无偏估计的条件下， 估计量的方差越小， 估计就越有效。
（3） 一致性
一致性是指随着样本量的增大， 估计量的值越来越接近被估总体的参数。 一个大样本给出的估计量要比一个小样本给出的估计量更接近总体的参数。 根据样本均值的抽样分布可知， 样本均值抽样分布的标准差为

由于与样本量大小有关， 样本量越大，