比如说有偏估计就是样本统计量和总体参数之间总往一个方向偏的结论，而无偏估计就是平均下来不会偏的结论。比如说用样本均值估计总体均值，虽然每次可能不准，但平均下来是对的，这就是无偏估计。而有偏估计就像每次测体温都把体温计调高一度，不管真实体温是多少，结果都会比实际值高，这就是有偏估计。

其实呢这个区别要看具体场景怎么选。比如说用样本方差计算时，如果除以n就会产生偏差，这时候用n-1调整过的方差计算才是无偏的。根据统计学家皮尔逊1898年的研究，当样本量n=10时，用n计算方差会有0.5的偏差，而用n-1计算偏差就变成0了。这时候虽然n-1计算出来的方差数值会更大一些，但长期来看误差更小。比如说测100次数据，用n-1计算的总方差会比用n计算的总方差少0.5乘以100等于50次偏差。所以虽然单次估计值可能波动更大，但平均下来更接近真实值。

再比如说估计总体比例的时候，如果样本量太小，用有偏估计可能会让结果明显偏离真实情况。根据中国大前年人口普查数据，某地区用n=30的有偏估计方法计算外来人口比例，结果比实际值高8.3%，而改用无偏估计方法后，偏差缩小到1.2%。这说明虽然无偏估计每次可能不够准，但长期来看误差更可控。其实呢这就好比用10次测量的平均数估计体温，虽然单次可能有波动，但比每次都测高1度的体温计更可靠。