對一階矩的理解正確。兩個量是依機率收斂的，所以令二者相等計算。樣本的二階矩用原點矩，老師在課程中有說明。在李良老師的課程中，基礎、強化都有講到求解二階矩，建立兩個方程：期望=樣本矩陣，樣本的二階原點矩=總體的二階原點矩，兩個方程計算。總體的二階矩是EX^2。求二階矩時，寫出總體矩和樣本矩，令二者相等求解即可。

沒有區別，矩估計值就是矩估計量，即用矩估計法測量得到的值，也稱“矩法估計”，就是利用樣本矩來估計總體中相應的引數。首先推導涉及感興趣的引數的總體矩（即所考慮的隨機變數的冪的期望值）的方程。然後取出一個樣本並從這個樣本估計總體矩。

它是由英國統計學家皮爾遜Pearson於1894年提出的，也是最古老的一種估計法之一。對於隨機變數來說，矩是其最廣泛。

矩估計量由來：

由辛欽大數定律知，簡單隨機樣本的原點矩依機率收斂到相應的總體原點矩，這就啟發我們想到用樣本矩替換總體矩，進而找出未知引數的估計，基於這種思想求估計量的方法稱為矩法。用矩法求得的估計稱為矩法估計，簡稱矩估計。

矩法估計原理簡單、使用方便，使用時可以不知總體的分佈，而且具有一定的優良性質（如矩估計為Eξ的一致最小方差無偏估計），因此在實際問題，特別是在教育統計問題中被廣泛使用。

但在尋找引數的矩法估計量時，對總體原點矩不存在的分佈如柯西分佈等不能用，另一方面它只涉及總體的一些數字特徵，並未用到總體的分佈，因此矩法估計量實際上只集中了總體的部分資訊。

這樣它在體現總體分佈特徵上往往性質較差，只有在樣本容量n較大時，才能保障它的優良性,因而理論上講，矩法估計是以大樣本為應用物件的。