Eines der Ziele von Inferenzstatistik ist unbekannte Bevölkerung zu schätzen Parameter. Diese Schätzung wird durch Konstruieren durchgeführt Vertrauensintervalle aus statistischen Stichproben. Eine Frage lautet: "Wie gut haben wir einen Schätzer?" Mit anderen Worten: „Wie genau ist unser statistischer Prozess auf lange Sicht bei der Schätzung unserer Populationsparameter? Eine Möglichkeit, den Wert eines Schätzers zu bestimmen, besteht darin, zu prüfen, ob er unvoreingenommen ist. Diese Analyse erfordert, dass wir die finden erwarteter Wert unserer Statistik.
Wir beginnen mit der Betrachtung von Parametern und Statistiken. Wir betrachten Zufallsvariablen aus einem bekannten Verteilungstyp, jedoch mit einem unbekannten Parameter in dieser Verteilung. Dieser Parameter kann Teil einer Population sein oder Teil einer Wahrscheinlichkeitsdichtefunktion. Wir haben auch eine Funktion unserer Zufallsvariablen, und dies wird als Statistik bezeichnet. Die Statistik (X.1, X.2,... , X.n) schätzt den Parameter T und nennt ihn daher einen Schätzer von T.
Wir definieren nun unvoreingenommene und voreingenommene Schätzer. Wir möchten, dass unser Schätzer langfristig mit unserem Parameter übereinstimmt. In einer genaueren Sprache möchten wir, dass der erwartete Wert unserer Statistik dem Parameter entspricht. Wenn dies der Fall ist, sagen wir, dass unsere Statistik ein unvoreingenommener Schätzer des Parameters ist.
Wenn ein Schätzer kein unverzerrter Schätzer ist, ist er ein voreingenommener Schätzer. Obwohl ein voreingenommener Schätzer seinen erwarteten Wert nicht gut an seinem Parameter ausrichtet, gibt es viele praktische Fälle, in denen ein voreingenommener Schätzer nützlich sein kann. Ein solcher Fall ist, wenn ein Konfidenzintervall von plus vier verwendet wird, um ein Konfidenzintervall für einen Bevölkerungsanteil zu erstellen.
Da der erwartete Wert der Statistik mit dem geschätzten Parameter übereinstimmt, bedeutet dies, dass der Stichprobenmittelwert ein unverzerrter Schätzer für den Populationsmittelwert ist.