動差估計

在統計學中，矩估計（英語：method of moments）是估計總體參數的方法。首先推導涉及感興趣的參數的總體矩（即所考慮的隨機變量的冪的期望值）的方程。然後取出一個樣本並從這個樣本估計總體矩。接着使用樣本矩取代（未知的）總體矩，解出感興趣的參數。從而得到那些參數的估計。矩估計是英國統計學家卡爾·皮爾森於1894年提出的。

方法

假設問題是要估計表徵隨機變量$W$的分佈$f_{W}(w;\theta )$的$k$個未知參數$\theta _{1},\theta _{2},\dots ,\theta _{k}$。如果真實分佈（"總體矩"）的前$k$階矩可以表示成這些$\theta$的函數:

$\mu _{1}\equiv E[W]=g_{1}(\theta _{1},\theta _{2},\dots ,\theta _{k}),$

$\mu _{2}\equiv E[W^{2}]=g_{2}(\theta _{1},\theta _{2},\dots ,\theta _{k}),$

$\vdots$

$\mu _{k}\equiv E[W^{k}]=g_{k}(\theta _{1},\theta _{2},\dots ,\theta _{k}).$

設取出一大小為$n$的樣本，得到$w_{1},\dots ,w_{n}$。對於$j=1,\dots ,k$，令

${\hat {\mu }}_{j}={\frac {1}{n}}\sum _{i=1}^{n}w_{i}^{j}$

為j階樣本矩，是$\mu _{j}$的估計。$\theta _{1},\theta _{2},\dots ,\theta _{k}$的矩估計量記為${\hat {\theta }}_{1},{\hat {\theta }}_{2},\dots ,{\hat {\theta }}_{k}$，由這些方程的解（如果存在）定義：

${\hat {\mu }}_{1}=g_{1}({\hat {\theta }}_{1},{\hat {\theta }}_{2},\dots ,{\hat {\theta }}_{k}),$

${\hat {\mu }}_{2}=g_{2}({\hat {\theta }}_{1},{\hat {\theta }}_{2},\dots ,{\hat {\theta }}_{k}),$

$\vdots$

${\hat {\mu }}_{k}=g_{k}({\hat {\theta }}_{1},{\hat {\theta }}_{2},\dots ,{\hat {\theta }}_{k}).$

參見

• 廣義矩估計
• 點估計
• 估計量的偏誤