Dalam statistika, "sufficient estimator" merujuk pada suatu estimator yang mengandung seluruh informasi yang relevan dari sampel terhadap parameter yang ingin diestimasi. Secara lebih rinci, jika kita memiliki sampel data dan ingin mengestimasi suatu parameter populasi, estimator dikatakan "sufficient" jika informasi yang terkandung dalam estimator tersebut sudah mencakup semua informasi yang terdapat dalam sampel, sehingga tidak ada informasi tambahan yang dapat ditambahkan melalui sampel tambahan. Sifat-sifat dari estimator yang sufficient adalah: 1. Minimal Sufficiency: Sebuah estimator dikatakan sufficient secara minimal jika ukurannya sudah cukup minimal untuk mencakup semua informasi yang relevan dari sampel terhadap parameter yang diestimasi. 2. Completeness: Distribusi dari sufficient statistic harus bersifat lengkap, yang berarti tidak ada fungsi yang konstan yang memiliki ekspektasi nol terhadap semua distribusi yang mungkin dari parameter. 3. Factorization: Sufficient statistic harus memenuhi sifat factorization, yang berarti distribusi likelihood dari sampel harus dapat difaktorkan menjadi dua bagian, yaitu satu bagian yang hanya tergantung pada parameter yang diestimasi dan satu bagian yang hanya tergantung pada sufficient statistic. Keberadaan estimator yang sufficient penting karena estimator tersebut memungkinkan kita untuk melakukan estimasi parameter populasi dengan efisien, menghindari redundansi informasi, dan menghasilkan estimasi yang lebih akurat. Dalam berbagai teknik statistika, seperti dalam teorema Rao-Blackwell atau dalam membangun estimasi titik terbaik (MLE), konsep sufficient estimator memiliki peran yang penting dalam pengembangan metode estimasi yang baik.