本章导言
估计值是否接近真实参数，需要放在模型和损失之下评价。无偏、一致、均方一致、有效和无偏类最优分别回答不同问题；一个性质不能自动替代另一个。本章先建立风险比较，再研究矩估计与最大似然的构造。
充分性和条件期望结合后给出Rao–Blackwell改进；完全性进一步得到无偏估计的唯一最优性。Fisher信息和Cramér–Rao界为正则模型提供误差下界，但支持依赖参数的模型可能不满足条件。稳健估计一节讨论污染与影响函数，把估计规则的局部敏感性同风险比较联系起来。
先修知识与阅读方式
先由17.1规定风险标准，再读17.2构造估计。17.3的无偏最优估计、17.4的信息界和17.5的稳健性是并列专题；17.3另需16.3–16.4，17.5的一致性与CLT另需10.3、10.5、10.6。随后在19.2–19.3建立一般渐近理论。
可在全书学习路线核对先修内容。各节入口列出具体先修与阅读位置，全书依赖图区分主线、并列分支与技术延伸。各节注明完整证明、证明思路和引用定理的范围。
本章各节
- 17.1 偏差、风险与一致性
Bias, Risk and Consistency - 17.2 矩估计与最大似然估计
Moments and Maximum Likelihood - 17.3 Rao–Blackwell与无偏最优估计
Rao–Blackwell and UMVU - 17.4 Fisher信息与Cramér–Rao界
Fisher Information and Information Bounds - 17.5 稳健估计与估计方程
Robust Estimation and Estimating Equations