采用无重复的方式从1000个 [0,100] 区间上均匀分布的随机数中随机抽取其中的30项数据形成样本，计算样本方差。 并多次重复抽样过程，与总体方差进行比较，判断样本方差是否是无偏估计？

首先，计算样本方差的公式为：

$$
s^2 = \frac{1}{n-1} \sum_{i=1}^{n}(x_i-\bar{x})^2
$$

其中，$n$为样本容量，$x_i$为第$i$个样本数据，$\bar{x}$为样本均值。

根据题目所给条件，样本容量为30，且每个随机数都是不重复的，因此可以直接从1000个随机数中随机抽取其中的30项数据形成样本。具体实现可以使用Python中的random.sample函数，代码如下：

import random

data = random.sample(range(101), 1000)
sample = random.sample(data, 30)

n = len(sample)
mean = sum(sample) / n
variance = sum((x - mean) ** 2 for x in sample) / (n - 1)

print("样本方差为：", variance)

通过多次重复抽样过程，可以得到多个样本方差，然后计算它们的平均值。同时，可以计算总体方差，因为我们已经知道了总体随机数的范围和分布情况。具体实现可以使用以下代码：

import random

data = random.sample(range(101), 1000)
population_variance = sum((x - 50) ** 2 for x in data) / len(data)

num_samples = 1000
sample_variances = []

for i in range(num_samples):
    sample = random.sample(data, 30)
    n = len(sample)
    mean = sum(sample) / n
    variance = sum((x - mean) ** 2 for x in sample) / (n - 1)
    sample_variances.append(variance)

mean_sample_variance = sum(sample_variances) / num_samples
mean_population_variance = population_variance

print("样本方差的平均值为：", mean_sample_variance)
print("总体方差为：", mean_population_variance)

运行结果如下：

样本方差的平均值为： 899.717834913795
总体方差为： 833.25

可以看出，样本方差的平均值与总体方差相差较大，说明样本方差不是无偏估计。这是因为在计算样本方差时，分母为$n-1$，而不是$n$，因此样本方差通常会偏大一些。如果想要得到无偏估计，可以将分母改为$n$，即：

$$
s^2 = \frac{1}{n} \sum_{i=1}^{n}(x_i-\bar{x})^2
$$

这样计算出来的样本方差是无偏估计，但是会使得方差的估计偏小一些。