無偏性:無偏性是估計量的重要性質之壹。如果壹個估計量的期望值等於真實參數值，則稱該估計量為無偏估計。數學上表示為:
E (θ) = θ其中E (θ)代表估計量的期望值，θ代表實參數值。無偏性保證了在重復抽樣過程中，估計量的平均值接近真實的參數值。
2.效率:效率是指在所有無偏估計中，方差最小的估計被認為是最有效的。方差較小的估計通常更準確，因為它們在不同樣本下波動較小。數學上，有效估計的定義是:var (θ) ≤ var (θ ~)
其中，var (θ)和Var(θ~)分別代表兩個無偏估計的方差。有效估計在某種程度上提供相對較小的估計誤差。
3.壹致性:壹致性是指隨著樣本量的增加，估計量逐漸逼近真實參數值的性質。數學上，壹個估計量稱為壹致估計量，如果對於任何正數ε>；0，存在壹個樣本量的閾值，使得當樣本量大於這個閾值時，估計量的誤差小於ε。數學上表示為:
limn→∞P(∣θ^？θ∣<；ε)=1
這意味著隨著樣本量的增加，估計值更接近真實參數。
補充說明:
均方誤差(MSE):考慮到公正性和有效性，MSE常被用作評價估計量質量的標準。均方差定義為估計值和真實值之間的均方差:
MSE(θ^)=E((θ^？θ)2)理想情況下，估計量的均方誤差越小越好。
評估估計量的這三個標準是相互關聯的，壹個好的估計量通常是無偏的、有效的和壹致的。在實際的統計推斷中，需要綜合考慮這些性質，根據具體問題的要求確定合適的估計方法。