7.6.2 Carencia de sesgo

Se dice que un estimador $\hat{\theta}$ de un parámetro $\theta$ es insesgado si:

$${ {{\bf E} \left[ \hat{\theta} \right]} } = \theta$$

La carencia de sesgo puede interpretarse del siguiente modo: Supongamos que se tiene un número indefinido de muestras de una población, todas ellas del mismo tamaño n. Sobre cada muestra el estimador nos ofrece una estimación concreta del parámetro que buscamos. Pues bien, el estimador es insesgado, si sobre dicha cantidad indefinida de estimaciones, el valor medio obtenido en las estimaciones es $\theta$ (el valor que se desea conocer).