- 矩估计法
  - 定义与应用背景
    - 用于估计总体中位置参数值
    - 广泛应用于实际问题
  - 案例：携程网呼叫中心接线员数量问题
    - 接线员数量与电话呼入情况相关
    - 数据整理与泊松分布假设
      - 单位时间内呼叫次数服从泊松分布
      - 参数λ为单位时间内的平均呼叫次数
    - 样本均值与数学期望的关系
      - 样本均值近似代替数学期望
      - 大数定律的理论依据
    - 总体期望估计值λ=12
  - 矩估计法的定义与理论依据
    - 样本矩与总体矩相等
    - 大数定律支持样本矩收敛到总体矩
    - 英国统计学家铁阿逊提出
  - 矩估计法的求解步骤
    - 确定未知参数个数K
    - 列出K个有效方程
      - 样本矩等于总体矩
    - 解方程获得未知参数的估计值
  - 示例问题解析
    - 单参数估计：θ的矩估计
      - 密度函数与期望计算
      - 样本均值代入求解θ
    - 双参数估计：μ和σ²的矩估计
      - 正态分布的参数估计
      - 样本一阶与二阶原点矩的应用
      - 不依赖总体分布的特性
  - 实际问题求解
    - 呼叫中心接线员配置
      - 泊松分布与接通率关系
      - 使用Matlab求解N值
      - 接线员数量与接通率的散点图分析
    - 思考题：单位时间对接线员配置的影响
  - 矩估计法的优缺点
    - 优点
      - 方法简单易行
      - 不需知道总体分布
    - 缺点
      - 估计量不唯一
      - 总体矩可能不存在
      - 未充分利用总体分布信息
  - 下一步学习方向
    - 改进估计方法以克服矩估计法的缺点