矩估计量是一种统计方法，用于估计总体参数，其基本思想是利用样本矩来估计总体矩。以下是矩估计量求法的基本步骤：

1. 确定感兴趣的总体矩（即随机变量的幂的期望值）。

2. 推导出包含感兴趣参数的总体矩的方程。

3. 从样本数据中计算出样本矩。

4. 将样本矩代入总体矩的方程中，解出感兴趣的参数，得到参数的矩估计量。

例如，如果我们想要估计一个总体的均值（μ）和方差（σ²），我们可以按照以下步骤进行：

总体矩：

一阶矩（总体均值）：μ

二阶中心矩（总体方差）：σ²

样本矩：

样本均值：（x1 + x2 + x3 + ... + xn）/ n

样本方差：s² = （（x1 - 样本均值）² + （x2 - 样本均值）² + ... + （xn - 样本均值）²）/ n

建立方程组：

假设样本均值等于总体均值：μ = （x1 + x2 + x3 + ... + xn）/ n

假设样本方差等于总体方差：σ² = s²

求解方程组，从样本数据中计算出的样本均值和样本方差即为均值和方差的矩估计量。

需要注意的是，矩估计法要求估计值是样本矩和总体矩之差的加权平方和的最小化元，并且当样本容量n无限增大时，样本矩与相应的总体矩任意接近的概率趋于1。