评价估计量指标的标准主要有3个无偏性、有效性和一致性。选项ABC分别是它 们的定义

在统计推断中，参数估计的评价标准主要包括无偏性、有效性和一致性。以下是对选项的分析：

A: 无偏性是指样本估计量的所有可能取值的数学期望等于被估计的总体参数。
- 这句话是正确的。无偏性意味着估计量在长期平均上是准确的。

B: 有效性是指对同一总体参数的两个无偏估计量，方差更小的更有效。
- 这句话是正确的。在无偏估计量中，方差更小的估计量被认为是更有效的，因为它在估计中的不确定性更小。

C: 一致性是指随着样本量的增大，估计量的值越来越接近被估计的总体参数。
- 这句话是正确的。一致性意味着当样本量趋向于无穷大时，估计量会收敛于被估计的总体参数。

D: 以上皆不是。
- 这个选项是错误的，因为A、B、C都是正确的。

因此，正确答案是：A, B, C。

专业分析：
1. **无偏性**：无偏性是估计量的一个重要性质。如果一个估计量是无偏的，那么它的期望值等于被估计的参数，即 \( E(\hat{\theta}) = \theta \)。无偏性确保了估计量在长期平均上是准确的。

2. **有效性**：有效性通常通过比较无偏估计量的方差来衡量。对于两个无偏估计量 \( \hat{\theta}_1 \) 和 \( \hat{\theta}_2 \)，如果 \( \text{Var}(\hat{\theta}_1) < \text{Var}(\hat{\theta}_2) \)，那么 \( \hat{\theta}_1 \) 被认为是更有效的估计量。

3. **一致性**：一致性是指估计量在样本量趋向无穷大时收敛于真实参数。形式上，如果 \( \hat{\theta}_n \) 是样本量为 \( n \) 的估计量，那么一致性要求 \( \hat{\theta}_n \) 在概率收敛到 \( \theta \)，即 \( \hat{\theta}_n \overset{P}{\to} \theta \)。

这些标准在统计推断中起着重要作用，帮助我们选择和评估不同的估计方法。