无偏估计量的求法基于以下核心概念：
无偏性：
一个统计量被称为无偏的，如果它的数学期望等于它要估计的参数值。
数学期望：
表示随机变量的平均取值，对于估计量来说，就是所有可能样本值的平均。
样本均值：
当总体均值μ未知时，样本均值（记为x̄）是总体均值的无偏估计量，计算公式为：
$$x̄ = frac{1}{n} sum_{i=1}^{n} x_i$$
其中，$x_i$ 是第i个样本的取值，n是样本大小。
样本方差：
当总体方差σ²已知时，样本方差（记为s²）是总体方差的无偏估计量，计算公式为：
$$s^2 = frac{1}{n-1} sum_{i=1}^{n} （x_i - bar{x}）^2$$
其中，$bar{x}$ 是样本均值。
泊松分布的无偏估计量：
如果随机变量ξ服从泊松分布P（λ），那么任何满足E（ξ⊥）=ξ的估计量ξ⊥都是无偏的。
有效性：
无偏估计量不仅要无偏，还要有效，即具有最小的方差。
总结来说，求无偏估计量通常需要根据所给定的统计分布和样本数据，通过计算样本的均值或方差，并确保这些估计量的数学期望等于要估计的参数值。