Becsléselméleti alapfogalmak: 

Statisztikai becslés = egy sokaság valamely ismeretlen jellemzőjére egy közelítő értéket adunk.

Becslés tárgya lehet:

• a véges sokaság valamely jellemzője
• a sokasági eloszlás paramétere
• a sokaságban érvényesülő összefüggéseket leíró modellek patraméterei
  

Becslőfüggvény: olyan statisztika, mely a mintaelemek valamilyen függvényeként alkalmas arra, hogy az ismeretlen sokasági jellemzőre közelítő értéket adjon.

• a becslőfüggvények várható értéke és szórásnégyzete alapján a becslések minősíthetők (torzított, vagy torzítatlan)
• a becslőfüggvény szórásnégyzete, illetve szórása a véletlen hibának az átlagosan használt mérőszáma (követelmény, hogy a standard hiba minél kisebb legyen)
  

Pontbecslés: a becslőfüggvény segítségével a becsülni kívánt sokasági jellemzőre egy konkrét érték adható, a véletlen minta adataiból.
Intervallumbecslés: a becslőfüggvény értékeinek olyan intervallumát adjuk meg, mely nagy valószínűséggel tartalmazza a becsülni kívánt jellemzőt. (eredménye: konfidencia intervallum)

Becslőfüggvény eloszlása függ:

• a vizsgált mintabeli jellemzőtől
• a mintavétel módjától
• a minta nagyságától
• külső információktól
  

Statisztikai becslés lépései:

1. pontbecslés
2. standard hiba számítás
3. intervallumbecslés
   

A becslőfüggvény tulajdonságai:

• torzítatlanság: torzítatlannak nevezzük a becslőfüggvényt, ha várható értéke megegyezik a becsülni kívánt sokasági jellemző értékével.
• hatásosság: az a becslőfüggvény hatásosabb, melynek szórásnégyzete kisebb
• konzisztencia: = a mintanagyság növelésével egyre pontosabb becslésekhez juthatunk.
• robosztusság: = eloszlásmentesség (akkor is alkalmazhatók, ha nem ismerjük a sokasági eloszlást)