Један од циљева инференцијалне статистике је процена непознате популације параметри. Ова процена се врши конструкцијом интервали поверења из статистичких узорака. Једно питање постаје: „Колико добар процењивач имамо?“ Другим речима, „Колико је тачан наш статистички процес, на дужи рок, процене нашег популационог параметра. Један од начина да се утврди вредност процењивача је да се размотри да ли је непристран. Ова анализа захтева од нас да пронађемо Очекивана вредност наше статистике.
Започињемо разматрањем параметара и статистике. Разматрамо случајне варијабле из познате врсте дистрибуције, али са непознатим параметром у овој дистрибуцији. Овај параметар постаје део популације, или може бити део функције густине вероватноће. Такође имамо функцију наших случајних променљивих, а то се назива статистиком. Статистика (ИКС1, ИКС2,... , ИКСн) процјењује параметар Т, па га називамо процјеном Т.
Сада дефинирамо непристрасне и пристрасне процјенитеље. Желимо да наш процјенитељ дугорочно одговара нашем параметру. Прецизније речено, желимо да очекивана вредност наше статистике буде једнака параметру. Ако је то случај, онда кажемо да је наша статистика непристрани процјенитељ параметра.
Ако процјењивач није непристрани процјенитељ, то је пристрани процјенитељ. Иако пристрани процјенитељ нема добро усклађивање очекиване вриједности са његовим параметром, постоји много практичних случајева када пристрасни процјенитељ може бити користан. Један такав случај је када се користи плус четири интервала поверења за конструкцију интервала поверења за удео становништва.
Пошто се очекивана вредност статистике подудара са параметром који је процењен, то значи да је просечна вредност узорка непристрани процењивач за просечну популацију.