1，原點矩，是隨機變量到原點的距離（這裡假設原點即為零點）。2，中心矩則類似於方差，先要得出樣本的期望即均值，然後計算出隨機變量到樣本均值的一種距離，與方差不同的是，這裡所說的距離不再是平方就能構建出來的，而是k次方。

一，二階中心距，也叫作方差，它告訴我們一個隨機變量在它均值附近波動的大小，方差越大,波動性越大。方差也相當於機械運動中以重心為轉軸的轉動慣量。

二，三階中心距告訴我們一個隨機密度函數向左或向右偏斜的程度。

三，在均值不為零的情況下，原點距只有純數學意義。

四，A1,一階矩就是 E(X),即樣本均值。具體說來就是A1=(西格瑪Xi)/n ----（1）

A2,二階矩就是 E(X^2)即樣本平方均值 ,具體說來就是 A2=(西格瑪Xi^2)/n-----(2)

Ak,K階矩就是 E(X^k)即樣本K次方的均值,具體說來就是 Ak=(西格瑪Xi^k)/n，-----(3)

五，矩估計法大概步驟如下：

1 根據分布律或者分布函數，概率函數，計算EX或者EX2,其中含有未知參數a。

2 令 樣本的一階矩A1等於EX（二階矩A2等於EX^2)。

3 由2得到 a的表達式子，此式子中含有A1(A2,...),而A1,A2表達式如上(1),(2)，（3）所示.

該含有 A1,A2,..Ak的表達式稱為估計量，如果把樣本具體值帶入，即可得a的估計值。

　　答：分享一種“理解”。在概率論中，常用k階矩表示隨機變量的一類數字特徵。有原點矩、中心矩等分類方法。 　　用“數學”語言通俗描述，k階原點矩是隨機變量x“偏離”原點(0,0)的“距離”的k次方的期望值。一般地，對於正整數k，如果E|(X-0)k|=E|Xk|=<∞，故稱E(Xk) 為隨機變量X的k階原點矩。　k階中心矩是隨機變量x“偏離”其中心的“距離”的k次方的期望值。一般均以其平均數為“中心”。故，對於正整數k，如果E(X)存在，“偏離”E(x)的k次方的期望值存在、且E[|X - E(X)|k)]<∞，則稱E{[X-E(X)]k}為隨機變量X的k階中心矩。如X的方差是X的二階中心矩，即D(X)=E{[X-E(X)]2} 等。供參考。