估计量是指在缺乏准确数据或情况不明的情况下，根据相关信息和经验，对某个未知数量或未知情况进行近似估算的过程。估计量是一种近似值，它不是精确的结果，但在缺乏可靠数据时，可以提供一定程度的参考。
举例说明，假设某人想要估计一座城市的人口数量，但没有具体的人口数据。这个人可以1）通过查找类似城市的人口数据，根据人口增长率来估计目标城市的人口数量；2）通过对某个地区进行抽样调查，然后根据抽样结果推算整个城市的人口数量；3）通过观察目标城市的土地面积、居住建筑的数量、交通流量等信息，结合普查数据等进行推断。
这些估计方法都是根据已有的信息和经验进行的，没有绝对的准确性，但可以在一定程度上提供有用的参考。在实际应用中，估计量经常用于市场调研、社会调查、经济预测等领域，帮助人们做出决策和规划。
估计量是指在缺乏准确数据或无法进行精确测量的情况下，通过推测或估算得出的近似数值。它常用于科学研究、统计分析和商业决策等领域。
例如，在市场调研中，研究人员可能通过抽样调查来估计整个目标人群的特征或行为趋势；在工程项目中，工程师可能根据经验和类似项目的数据来估计项目的成本和时间；在经济学中，经济学家可能使用经济模型来估计某一政策的影响。估计量的准确性取决于估计方法的科学性和数据的可靠性。
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参数。那么"估计量"是样本空间映射到样本估计值的一个函数。
易用随机变量的代数来阐述这个理论：如果用X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。对特定观测数据集（即对于X=x）而言，其估计值为一固定值。通常使用简化标记表示随机变量，但这容易造成误解。
对于一个给定样本，估计量的"误差"定义为其中是待估参数。注意误差e不仅取决于估计量（估计公式或过程），还取决于样本。估计量的均方误差被定义为误差的平方的期望值，它用来显示估计值的***与被估计单个参数的平均差异。试想下面的类比：假设“参数”是靶子的靶心，“估计量”是向靶子射箭的过程，而每一支箭则是“估计值”（样本）。那么，高均方误差就意味着每一支箭离靶心的平均距离较大，低均方误差则意味着每一支箭离靶心的平均距离较小。箭支可能集聚，也可能不。比如说，即使所有箭支都射中了同一个点，同时却严重偏离了靶子，均方误差相对来说依然很大。然而要注意的是，如果均方误差相对较小，箭支则更有可能集聚（而不是离散）。
