การประมาณที่ไม่เอนเอียงเป็นเรื่องปกติในหลักสูตรสถิติเบื้องต้นเนื่องจากมี: 1) คลาสสิก 2) ง่ายต่อการวิเคราะห์ทางคณิตศาสตร์ ขอบเขตล่างของ Cramer-Rao เป็นหนึ่งในเครื่องมือหลักสำหรับ 2) อยู่ห่างจากประมาณการที่ไม่มีอคติมีการปรับปรุงที่เป็นไปได้ การแลกเปลี่ยนความแปรปรวนแบบอคติเป็นแนวคิดสำคัญในสถิติเพื่อทำความเข้าใจว่าการประเมินแบบลำเอียงนั้นดีกว่าการประมาณการแบบไม่ลำเอียงได้อย่างไร
น่าเสียดายที่การประมาณค่าแบบเอนเอียงนั้นยากต่อการวิเคราะห์ ในการถดถอยการวิจัยส่วนใหญ่ในช่วง 40 ปีที่ผ่านมานั้นเกี่ยวกับการประเมินความลำเอียง สิ่งนี้เริ่มต้นด้วยการถดถอยของสัน (Hoerl and Kennard, 1970) ดูFrank and Friedman (1996)และBurr and Fry (2005)สำหรับการตรวจสอบและข้อมูลเชิงลึก
การแลกเปลี่ยนอคติแปรปรวนกลายเป็นสิ่งสำคัญในมิติที่สูงซึ่งจำนวนของตัวแปรมีขนาดใหญ่ Charles Stein ทำให้ทุกคนประหลาดใจเมื่อเขาพิสูจน์ว่าใน Normal หมายถึงปัญหาค่าเฉลี่ยตัวอย่างจะไม่สามารถยอมรับได้อีกต่อไปถ้า (ดู Stein, 1956) เครื่องประเมิน James-Stein (James and Stein 1961) เป็นตัวอย่างแรกของเครื่องประมาณค่าที่ใช้ควบคุมค่าเฉลี่ยตัวอย่าง อย่างไรก็ตามมันก็ไม่อาจยอมรับได้p≥3
ส่วนที่สำคัญของปัญหาความแปรปรวนอคติคือการพิจารณาว่าควรทำการปิดอคติอย่างไร ไม่มีเดียว“ดีที่สุด” ประมาณการคือ Sparsity เป็นส่วนสำคัญของการวิจัยในทศวรรษที่ผ่านมา ดูHesterberg และคณะ (2008)สำหรับการตรวจสอบบางส่วน
ส่วนใหญ่ประมาณที่อ้างถึงข้างต้นเป็นที่ไม่ใช่เชิงเส้นในYการถดถอยของสันเขานั้นไม่ใช่แบบเชิงเส้นเมื่อข้อมูลถูกใช้เพื่อกำหนดพารามิเตอร์ของสันเขาY