矩估计就是用样本数据来猜总体参数。第一步先算样本的一阶原点矩，比如样本均值；第二步算样本的二阶原点矩，比如平方的平均数；第三步让样本矩等于总体矩，解方程就能得到参数估计值。比如抛10次，正反面各5次，样本均值是0.5，对应总体概率p的估计值也是0.5。

为什么这样算？因为根据大数定律，样本矩会趋近总体矩。比如用正态分布的例子，总体均值μ和方差σ²，样本均值就是μ的无偏估计，样本方差（除以n-1）就是σ²的无偏估计。假设有100组样本，每组5个数据，算出100个样本均值，这些均值会越来越接近真实μ值。当样本量足够大时，用样本矩代替总体矩误差会越来越小，这就是矩估计的理论依据。比如用某工厂10天的日产量数据，算出平均日产量是200件，方差是50，就能估计该厂总体的μ=200，σ²=50。这样算既简单又符合统计规律，而且不需要知道总体分布的具体形状。