统计量是对样本数据进行的压缩加工，它是样本数据的函数。在样本加工为统计量的过程中，样本中所含的信息可能有所损失，若在将样本加工为统计量时，信息毫无损失，则称此统计量为充分统计量。比如，在正态分布中, 我们可以用两个充分统计量（样本均值和样本方差）来描述整个数据分布。充分统计量的概念由英国统计学家R.A.费希尔于1922年首先提出，它是在压缩过程中对样本信息进行的无损压缩，即保留样本中关于未知参数的全部有用信息。而一个分布族的充分统计量具有不唯一性，为了取舍，需要比较充分统计量“压缩数据”性能方面的好坏。

由可测函数的性质，比较两个充分统计量在压缩数据功能上的大小，可以观察其函数关系来衡量，假如存在一个充分统计量，它是任意一个其他充分统计量的函数，那么它是“压缩数据”性能最好的统计量，称它为最小充分统计量。换言之，最小充分统计量是压缩数据功能最强的充分统计量。

最小充分统计量不一定存在;若样本空间为欧氏空间，则最小充分统计量必然存在。

定理：设是样本的分布密度（或质量）函数，如果存在函数使得对任意两个样本点和，比值是的常函数当且仅当，则是的最小充分统计量。

例子：设是从正态总体中抽取的简单随机样本，其中和未知，和分别为样本点和的样本均值与样本方差。分布密度值之比为：

显然，该比值是和的常函数当且仅当且。于是由上述定理可知：是的最小充分统计量。