用来度量无偏估计的优劣的度量标准有精度、偏差、稳健性。具体解释如下：

1、精度：无偏估计的精度是指其估计值与真实值之间的接近程度。精度越高，无偏估计的质量就越好。方差：方差是衡量随机变量取值分散程度的指标。无偏估计的方差越小，说明其取值越集中，估计的精度就越高。

2、偏差：偏差是指无偏估计的期望值与真实值之间的差值。偏差越小，无偏估计的质量就越高。有效性：有效性是指无偏估计在统计推断中的能力。一个有效的无偏估计应该能够提供足够的信息来推断出未知参数的值。

3、稳健性：稳健性是指无偏估计对于异常值或极端值的抗干扰能力。一个稳健的无偏估计应该能够较少地受到异常值或极端值的影响。除了以上几种标准之外，还可以考虑其他指标来度量无偏估计的优劣，如均方根误差（RMSE）、平均绝对误差（MAE）等。

无偏估计优劣的名词解释

1、无偏估计是指对未知参数进行估计时，如果样本的均值或加权均值能够无偏地估计总体均值或加权均值，则称该估计为无偏估计。无偏估计的优劣取决于其估计值与真实值之间的差异程度，即估计精度和方差等指标。

2、无偏估计的意义在于其估计值在概率意义下接近于真实值，且不会出现系统性偏差。无偏估计在统计学中具有重要的应用价值，特别是在样本数量较少或总体分布未知的情况下，无偏估计可以为统计推断提供相对准确的结果。

3、评估无偏估计的优劣需要考虑多个因素，包括精度、方差、偏差、有效性和稳健性等。在实际应用中，需要根据具体问题选择合适的标准来评估无偏估计的优劣。同时，还需要考虑样本数量、分布情况等因素对无偏估计的影响，以及如何选择合适的统计模型和算法来实现无偏估计。