Несмещённая оце́нка, статистическая оценка параметра распределения вероятностей по результатам наблюдений, лишённая систематической ошибки. Точнее, если оцениваемое распределение зависит от параметра $\Theta$, то функция $\Theta^*(X_1, X_2, \ldots, X_n)$ от результатов наблюдений $X_1, X_2,\ldots, X_n$ называется несмещённой оценкой для параметра $\Theta$, если при любых допустимых значениях $\Theta$ математическое ожидание

$\text{E}\Theta^*(X_1,X_2,\ldots,X_n)=\Theta.$Например, если результаты наблюдений $X_1,X_2,\ldots,X_n$ суть взаимно независимые случайные величины, имеющие одинаковое нормальное распределение, заданное плотностью

$p(x)= \dfrac{1}{\sigma \sqrt {2 \pi }} e^{-(x-a)^2/2 \sigma ^2}$с неизвестными параметрами $a$ и $\sigma ^{2}$, то среднее арифметическое

$$\overline{X} = (X_1+X_2+\ldots+X_n)/n\tag1$$будет несмещённой оценкой для $a$. Часто используемая для оценки $\sigma ^{2}$ выборочная дисперсия

$\displaystyle s^2 = \frac{1}{n} \sum _{i=1}^{n}(X_i-\overline {X})^2$не является несмещённой оценкой. Несмещённой оценкой для $\sigma ^{2}$ служит величина

$$\displaystyle s_0^2=\frac{1}{(n-1)} \sum(X_i-\overline {X})^2,\tag2$$несмещённая оценка квадратичного отклонения $σ$ имеет более сложное выражение

$$\displaystyle \sqrt{\frac{n-1}{2}}\frac {\Gamma \left ( \frac{n-1}{2}{} \right )}{\Gamma\left ( \frac{n}{2} \right )}s. \tag3$$Оценка (1) для математического ожидания и оценка (2) для дисперсии являются несмещёнными оценками и при распределениях, отличных от нормального; оценка (3) для квадратичного отклонения, вообще говоря (при распределениях, отличных от нормального), может быть смещённой. Оценка $s^2$ дисперсии принадлежит классу т. н. асимптотически несмещённых оценок, который определяется соотношением $\text{E}\Theta^*(X_1,\ldots,X_n) →\Theta$ при $n →\infty$.

Использование несмещённой оценки необходимо при оценке неизвестного параметра по большому числу серий, каждая из которых состоит из небольшого числа наблюдений. Пусть, например, имеется $k$ серий

$X_{i1},X_{i2},\ldots,X_{in},\quad i = 1,2,\ldots,k,$по $n$ наблюдений в каждой и пусть $s_i^2$ – несмещённая оценка для $\sigma ^{2}$, полученная по $i$-й серии наблюдений. Тогда при большом $k$ в силу закона больших чисел $(s_1^2+s_2^2+\ldots+s_k^2)/k∼\sigma ^{2}$, даже когда $n$ невелико. Наилучшие оценки параметров распределений, как правило, находятся среди несмещённых оценок.