在說明什麼是矩估計法之前先引進「矩」的概念。在數學和統計學中，矩（moment）是對變量分布和形態特點的一組度量。在統計學中，總體特徵數除了平均數、方差等，還有就是原點矩與中心距，稱其為總體中心距與總體原點矩。在樣本特徵數中也有原點矩與中心距，稱其為樣本原點矩與樣本中心距。
總體k階原點矩：
總體k階中心距：
樣本k階原點矩：
樣本k階中心距：
觀察可以發現總體一階原點矩就是總體的期望E（X），也就是μ。樣本一階原點矩即為樣本均值。另外，不論總體還是樣本，中心距中的k都是從2開始的，因為當k等於1時，中心距的值為0。除此之外，不論總體還是樣本，二階中心距為總體方差或樣本方差。
矩估計法是參數估計中點估計的兩種方法之一，另外一種參數的點估計是極大似然估計。矩估計就是用樣本的矩去估計總體的矩，即用樣本一階原點矩去估計總體的一階原點矩，用樣本的二階原點矩去估計總體的二階原點矩。必須要注意的是，用來進行矩估計的是原點矩不是中心距。這裡我們來舉個例子
例1；總體X服從正態分布N（μ，σ2），x1,x2,....xn是來自總體X的樣本，請用矩估計法對正態總體中的未知參數μ與σ進行估計。
對於總體參數μ，因總體一階原點矩即為參數μ。所以對應的，我們用樣本一階原點矩對總體參數μ進行估計。得出總體參數μ的估計值。
對於總體參數σ，通過式（2），用樣本二階原點矩對總體參數σ進行估計。得出總體參數σ的估計值。
例2；總體服從參數為λ的指數分布，x1,x2,x3..是來自總體的樣本，對λ進行矩估計。
總體：
此時對λ的估計可以通過樣本的一階原點矩進行估計，也可以用二階原點矩進行估計。即
通過兩個例子我們不難發現，進行矩估計時，用樣本一階原點矩去估計總體一階原點矩時，其實就是用樣本均值估計總體均值。而在進行二階原點矩估計時，就是用樣本方差去估計總體方差，即使在總體分布未知的條件下也可以。但是第一個例子中，總體是服從正態分布的，需要估計的是兩個參數，即μ與σ，所以我們用了一階與二階原點矩分別對兩個參數進行了估計。但是對於指數分布或是泊松分布這類只有一個參數的分布，用一階或二階都能對參數進行估計，說明矩估計法的結果是不唯一的，而這也是矩估計的缺點。此時通常儘量採用低階矩對未知參數進行估計。