渐近无偏性（asymptotic unbiasedness），理学-统计学-数理统计-参数空间，描述当样本量趋于无穷时，用于比较估计量优良性的概念。在统计学的估计原理中，估计量的渐近无偏性是无偏性概念的重要延伸。无偏性是统计研究中用来评价估计量的小样本准则，即在样本大小固定时的优良性准则。而当样本容量趋于无穷大时，此时需进一步考察估计量的大样本性质——渐近无偏性。在大样本的情况下，可以用渐近无偏性比较各种参数估计方法所估计结果的优劣。此外，无偏估计和渐近无偏估计在点估计理论中起着重要的作用，无偏估计可以用来构造更好的估计量，例如最小方差无偏估计和最小风险无偏估计。但是无偏估计只在重复使用中,并且各次误差能相互抵消时,才显出其意义；而渐近无偏估计则表示在大样本情况下，不存在系统偏差。渐近无偏性可用于当样本量趋于无穷时，比较估计量的优良性。设是参数的估计量，若，当时，或，则称为参数的渐近无偏估计，即估计量满足渐近无偏性。下面通过两个例子说明有偏估计、无偏估计与渐近无偏估计的关系。例1：设是来自均匀分布的个样本，考虑估计量。那么估计量是有偏估计，即；而估计量是渐近无偏估计，即，有。