在统计学中，估计量是基于观测数据计算一个已知量的估计值的法则：于是估计量（estimator）、被估量（estimand）和估计值（estimate）是有区别的。

估计量用来估计未知总体的参数，它有时也被称为估计子；一次估计是指把这个函数应用在一组已知的数据集上，求函数的结果。对于给定的参数，可以有许多不同的估计量。我们通过一些选择标准从它们中选出较好的估计量，但是有时候很难说选择这一个估计量比另外一个好。

假设存在一个固定的待估${\displaystyle \mathrm{\theta <!--\; \theta \; -->}}$的一个函数。${\displaystyle \mathrm{\theta <!--\; \theta \; -->}}$来标记对应观测数据的随机变量，估计量（本身视为随机变量）的符号表示为该随机变量的函数，${\displaystyle \stackrel{^<!--\; ^\; -->}{\mathrm{\theta <!--\; \theta \; -->}}(X)}$=）而言，其估计值为一固定值${\displaystyle \stackrel{^<!--\; ^\; -->}{\mathrm{\theta <!--\; \theta \; -->}}(x)}$不仅取决于估计量（估计公式或过程），还取决于样本。

估计量${\displaystyle \stackrel{^<!--\; ^\; -->}{\mathrm{\theta <!--\; \theta \; -->}}}$; ≥ 0}是参数的一致估计量当且仅当对于所有 > 0，不管多小，我们都有

就如，一个人不断地抛硬币，随着次数的增多，任何一面出现的概率（机率）就会趋于0.5。那么这个0.5就是这个抛硬币事件中任何一面出现概率的一致估计量，或者说一致估计值。