無偏估計：
估計量的均值等於真實值，即具體每一次估計值可能大於真實值，也可能小於真實值，而不能總是大於或小於真實值（這就產生了系統誤差）。
估計量評價的標准：
（1）
無偏性 如上述
（2）
有效性 有效性是指估計量與總體參數的離散程度。如果兩個估計量都是無偏的，那么離散程度較小的估計量相對而言是較為有效的。即雖然每次估計都會大於或小於真實值，但是偏離的程度都更小的估計更優。
（3）
一致性 又稱相合性，是指隨着樣本容量的增大，估計量愈來愈接近總體參數的真值。
為什么方差的分母是n-1?
結論： 這個問題本身概念混淆了。如果已知全部的數據，那么均值和方差可以直接求出。但是對一個隨機變量X，需要估計它的均值和方差，此時才用分母為n-1的公式來估計他的方差，因此
分母是n-1才能使對
方差的估計（而不是方差）
是無偏的。因此，這個問題應該改為，為什么隨機變量的方差的估計的分母是n-1?
如果我們已經知道了全部的數據，那就可以求出均值μ，sigma，此時就是常規的分母為n的公式直接求，
這並不是估計！
現在，對於一個隨機變量X，我們要去估計它的期望和方差。
期望的估計就是樣本的均值
現在，在估計的X的方差的時候，
如果我們預先知道真實的期望μ，那么根據方差的定義：
這時分母為n的估計是正確的，就是無偏估計！
但是，在實際估計隨機變量X的方差的時候，
我們是不知道它的真實期望的，而是用期望的估計值去估計方差，那么：
去估計方差，那么：
所以把分母從n換成n-1,就是把對方差的估計稍微放大一點點。至於為什么是n-1,而不是n-2,n-3,...,有嚴格的數學證明。
無偏估計雖然在數學上更好，但是並不總是“最好”的估計，在實際中經常會使用具有其它重要性質的有偏估計。