snapshot: 2026-07-25

24 files changed, 393 insertions, 30 deletions

diff --git a/00tahm.md b/00tahm.md
index ef41892..386833b 100644
--- a/00tahm.md
+++ b/00tahm.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Сочетания
 
-Сочетание — это выбор нескольких элементов из множества, при котором порядок **не важен**.
+Сочетание - это выбор нескольких элементов из множества, при котором порядок **не важен**.
 
 $$C^k_n = \frac{n!}{k!(n-k)!}$$
 
diff --git a/0v34i2.md b/0v34i2.md
index 9fa41bd..ef64e9e 100644
--- a/0v34i2.md
+++ b/0v34i2.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Плотность распределения
 
-Плотность распределения — это функция, которая описывает, как распределена вероятность по значениям 
+Плотность распределения - это функция, которая описывает, как распределена вероятность по значениям 
 непрерывной случайной величины.
 
 Плотность является производной функции распределения:
diff --git a/1wfa9b.md b/1wfa9b.md
index 759adac..19cf47d 100644
--- a/1wfa9b.md
+++ b/1wfa9b.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Случайная величина
 
-Случайная величина — это числовая функция, которая каждому элементарному исходу случайного 
+Случайная величина - это числовая функция, которая каждому элементарному исходу случайного 
 эксперимента ставит в соответствие определенное число.
 
 ## Дискретная случайная величина
@@ -25,7 +25,7 @@ tags:
 ## Непрерывная случайная величина
 Непрерывная случайная величина может принимать любые значения из некоторого промежутка.
 
-Количество возможных значений — бесконечно и несчетно.
+Количество возможных значений - бесконечно и несчетно.
 
 # Up
 - [Теория вероятностей и математическая статистика](e6ulbq)
diff --git a/8j8ahu.md b/8j8ahu.md
index a2a84ef..1f013b8 100644
--- a/8j8ahu.md
+++ b/8j8ahu.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Функция распределения
 
-Функция распределения — это функция, которая показывает вероятность того, что случайная величина X 
+Функция распределения - это функция, которая показывает вероятность того, что случайная величина X 
 примет значение меньше некоторого числа x.
 $F(x) = P(X < x)$
 
diff --git a/91x38r.md b/91x38r.md
new file mode 100644
index 0000000..4decc54
--- /dev/null
+++ b/91x38r.md
@@ -0,0 +1,57 @@
+---
+id: 91x38r
+date: 2026-07-25T22:22:21+0300
+languages: [ru]
+aliases:
+
+reviews:
+
+tags:
+- draft
+- knowledge
+---
+# Критерий хи-квадрат Пирсона
+
+Критерий хи-квадрат Пирсона - статистический критерий, основанный на распределении $\chi^2$. Он 
+используется для проверки различных статистических гипотез, прежде всего:
+- проверки согласия - соответствует ли выборка заданному распределению
+- проверки независимости двух признаков
+- проверки однородности нескольких выборок
+
+Главная идея одна: сравнить наблюдаемые частоты с частотами, которые ожидались бы при справедливости 
+$H_0$.
+
+## Критерий согласия
+Пусть наблюдения разбиты на k категорий.
+
+Для каждой категории имеем:
+- $O_i$ -  наблюдаемое число объектов
+- $E_i$ - ожидаемое число объектов при справедливости $H_0$
+
+Тогда статистика Пирсона:
+$\chi^2 = \sum_{i=1}^k \frac{(O_i - E_i)^2}{E_i}$
+
+Для проверки гипотезы находим критическое значение в соответствии с количеством степеней свободы:
+$\nu = k - 1$
+Сравниваем статистику Пирсона с критическим значением:
+$\chi^2 < \chi^2_{\alpha,\nu}$
+Если условие выполнено - нет оснований отвергать гипотезу $H_0$.
+
+## Критерий независимости двух признаков
+Критерий хи-квадрат также позволяет определить, связаны ли два категориальных признака.
+
+Если признаки независимы, ожидаемая частота ячейки:
+$E_{ij} = \frac{n_i n_j}{n}$
+n_i - сумма в строке
+n_j - сумма в столбце
+n - общее количество наблюдений
+
+Статистика Пирсона:
+$\chi^2 = \sum_{i=1}^r \sum_{j=1}^c \frac{(O_{ij} - E_{ij})^2}{E_{ij}}$
+
+Для проверки гипотезы находим критическое значение в соответствии с количеством степеней свободы:
+$\nu = (r-1)(c-1)$
+
+
+# Up
+- [Теория вероятностей и математическая статистика](e6ulbq)
diff --git a/aeatae.md b/aeatae.md
index 5f51d13..10f230a 100644
--- a/aeatae.md
+++ b/aeatae.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Комбинаторика
 
-Комбинаторика — это раздел математики, изучающий способы подсчета количества различных вариантов 
+Комбинаторика - это раздел математики, изучающий способы подсчета количества различных вариантов 
 выбора и расположения объектов. Основные понятия: перестановки, размещения и сочетания.
 
 # Up
diff --git a/b7q6jx.md b/b7q6jx.md
new file mode 100644
index 0000000..1dc031c
--- /dev/null
+++ b/b7q6jx.md
@@ -0,0 +1,58 @@
+---
+id: b7q6jx
+date: 2026-07-25T21:15:31+0300
+languages: [ru]
+aliases:
+
+reviews:
+
+tags:
+- draft
+- knowledge
+---
+# Доверительные интервалы
+
+Доверительный интервал - это интервал, построенный по выборке, который с заданным уровнем доверия 
+используется для оценки неизвестного параметра генеральной совокупности.
+
+Часто используются следующие три доверительные вероятности: 90%, 95% и 99%.
+
+Общая форма доверительного интервала:
+$\hat{\theta} - \Delta < \theta < \hat{\theta} + \Delta$
+Величина $\Delta$ называется предельной ошибкой.
+
+Доверительные интервалы строят для величин, которые подчиняются нормальному закону распределения, 
+распределению хи-квадрат или распределению Стьюдента.
+
+
+Далее для всех примеров будет считаться, что случайная величина подчиняется нормальному закону 
+распределения, для простоты нахождения доверительных интервалов её параметров.
+$X \sim N(\mu; \sigma^2)$
+
+## Доверительный интервал для математического ожидания
+### Если дисперсия известна
+$\frac{X - \mu}{\frac{\sigma}{\sqrt{n}}} \sim N(0; 1)$
+Поэтому доверительный интервал:
+$\bar{X} - z_{\alpha/2} \frac{\sigma}{\sqrt{n}} \le \mu \le \bar{X} + z_{\alpha/2} 
+\frac{\sigma}{\sqrt{n}}$
+
+### Если дисперсия неизвестна
+$\frac{X - \mu}{\frac{S}{\sqrt{n}}} \sim t_{n-1}$
+Поэтому доверительный интервал:
+$\bar{X} - t_{n-1,\alpha/2} \frac{S}{\sqrt{n}} \le \mu \le \bar{X} + t_{n-1,\alpha/2} 
+\frac{S}{\sqrt{n}}$
+
+## Доверительный интервал для дисперсии
+### Если мат. ожидание известно
+$\frac{\sum_{i=1}^n (X_i - \mu)^2}{\sigma^2} \sim \chi^2_{n}$
+Поэтому доверительный интервал:
+$\frac{\sum_{i=1}^n (X_i - \mu)^2}{\chi^2_{n,1-\alpha/2}} \le \sigma^2 \le \frac{\sum_{i=1}^n (X_i - 
+\mu)^2}{\chi^2_{n,\alpha/2}}$
+
+### Если мат. ожидание неизвестно
+$\frac{(n-1) S^2}{\sigma^2} \sim \chi^2_{n-1}$
+Поэтому доверительный интервал:
+$\frac{(n-1)S^2}{\chi^2_{n-1,1-\alpha/2}} \le \sigma^2 \le \frac{(n-1)S^2}{\chi^2_{n-1,\alpha/2}}$
+
+# Up
+- [Теория вероятностей и математическая статистика](e6ulbq)
diff --git a/bfq4hz.md b/bfq4hz.md
new file mode 100644
index 0000000..1823c00
--- /dev/null
+++ b/bfq4hz.md
@@ -0,0 +1,52 @@
+---
+id: bfq4hz
+date: 2026-07-25T22:10:07+0300
+languages: [ru]
+aliases:
+
+reviews:
+
+tags:
+- draft
+- knowledge
+---
+# Проверка гипотез
+
+Проверка статистических гипотез - это раздел математической статистики, в котором по выборке 
+принимают решение о том, согласуются ли данные с некоторым предположением о генеральной 
+совокупности.
+
+Статистическая гипотеза - предположение о неизвестном распределении или его параметрах.
+Обычно формулируются две гипотезы:
+- Нулевая $H_0$ - основное проверяемое предположение
+- Альтернативная $H_1$ - принимается, если данные противоречат нулевой гипотезе
+
+Чтобы проверить гипотезу, строят статистический критерий - функцию от результатов выборки:
+$T = T(X_1, ..., X_n)$
+Распределение T известно при условии справедливости $H_0$.
+По значению T принимается решение относительно $H_0$.
+
+Все возможные значения статистики T разделяют на две области:
+- область принятия $H_0$
+- критическая область
+Если полученное значение статистики попало в критическую область, то мы отвергаем $H_0$.
+Если не попало: нет оснований отвергать $H_0$.
+
+При проверке гипотез возможны две ошибки.
+## Ошибка I рода
+Отвергли правильную $H_0$.
+Уровень значимости $\alpha$ - вероятность ошибки первого рода.
+
+## Ошибка II рода
+Приняли неправильную $H_1$.
+Вероятность обозначается $\beta$.
+Величина $1-\beta$ называется мощностью критерия.
+
+## p-значение
+Один из наиболее распространённых способов проверки гипотезы - вычисление p-значения.
+
+p-значение - вероятность получить наблюдаемое или ещё более экстремальное значение статистики при 
+условии, что $H_0$ верна.
+
+# Up
+- [Теория вероятностей и математическая статистика](e6ulbq)
diff --git a/bp3vpa.md b/bp3vpa.md
index e548606..7a1a61c 100644
--- a/bp3vpa.md
+++ b/bp3vpa.md
@@ -22,7 +22,7 @@ tags:
 Элементарный исход - один из возможных результатов испытания.
 Например, при броске кубика множество исходов:
 $\Omega = \{1,2,3,4,5,6\}$
-Каждое число — элементарный исход.
+Каждое число - элементарный исход.
 
 Вероятность события - показывает, насколько вероятно наступление события.
 $0 \le P(A) \le 1$
diff --git a/bq8b77.md b/bq8b77.md
index 498bebd..8ef71aa 100644
--- a/bq8b77.md
+++ b/bq8b77.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Генерация случайной величины произвольного закона распределения
 
-Генерация случайной величины — это получение числовых значений, подчинённых заданному закону 
+Генерация случайной величины - это получение числовых значений, подчинённых заданному закону 
 распределения.
 
 На практике обычно используют генератор равномерно распределённых случайных чисел, а затем 
diff --git a/e6ulbq.md b/e6ulbq.md
index 86b98ae..fb4f6ee 100644
--- a/e6ulbq.md
+++ b/e6ulbq.md
@@ -12,7 +12,8 @@ tags:
 ---
 # Теория вероятностей и математическая статистика
 
-Теория вероятностей изучает случайные события и закономерности их появления при многократном повторении опытов.
+Теория вероятностей изучает случайные события и закономерности их появления при многократном 
+повторении опытов.
 
 # Up
 - [Вступительные экзамены в магистратуру](wf8w22)
@@ -37,10 +38,10 @@ tags:
 - [Характеристики положения](wi7q4o)
 - [Генерация случайной величины произвольного закона распределения](bq8b77)
 
-- Математическая статистика
-- Точечные и интервальные оценки
-- Метод моментов
-- Метод максимального правдоподобия
-- Доверительные интервалы
-- Проверка гипотез
-- Критерий хи-квадрат
+- [Математическая статистика](wk7jks)
+- [Точечные и интервальные оценки](gn83wo)
+- [Метод моментов](y4xz5o)
+- [Метод максимального правдоподобия](kwlc0c)
+- [Доверительные интервалы](b7q6jx)
+- [Проверка гипотез](bfq4hz)
+- [Критерий хи-квадрат Пирсона](91x38r)
diff --git a/edms7d.md b/edms7d.md
index 8ffb16e..85de172 100644
--- a/edms7d.md
+++ b/edms7d.md
@@ -74,7 +74,7 @@ $M(X) = \frac{a+b}{2}$
 $D(X) = \frac{(b-a)^2}{12}$
 
 ### Нормальное распределение
-Нормальное распределение — одно из важнейших распределений в статистике.
+Нормальное распределение - одно из важнейших распределений в статистике.
 Оно описывает величины, на которые влияет большое количество независимых факторов.
 Оно полностью определяется двумя параметрами:
 - $\mu$ - математическое ожидание
diff --git a/gn83wo.md b/gn83wo.md
new file mode 100644
index 0000000..7a3dc70
--- /dev/null
+++ b/gn83wo.md
@@ -0,0 +1,66 @@
+---
+id: gn83wo
+date: 2026-07-25T20:35:08+0300
+languages: [ru]
+aliases:
+
+reviews:
+
+tags:
+- draft
+- knowledge
+---
+# Точечные и интервальные оценки
+
+В математической статистике обычно неизвестны параметры генеральной совокупности, и по выборке 
+необходимо оценить эти параметры.
+
+Существуют два основных вида оценок:
+- точечные - одно число
+- интервальные - диапазон возможных значений
+
+## Точечная оценка
+Точечная оценка $\hat{\theta}$ - это функция от выборки, которая используется для приближённого 
+определения неизвестного параметра генеральной совокупности.
+
+Например, если неизвестно математическое ожидание $\mu$, то естественной оценкой является 
+выборочное среднее:
+$\hat{\mu} = \bar{X}$
+
+Основные точечные оценки:
+- математическое ожидание - выборочное среднее
+- дисперсия - несмещённая оценка дисперсии
+
+## Свойства хороших оценок
+
+### Несмещённость
+Оценка называется несмещённой, если её математическое ожидание равно истинному параметру:
+$M(\hat{\theta}) = \theta$
+
+### Состоятельность
+Оценка является состоятельной, если при увеличении объёма выборки она стремится к истинному 
+значению:
+$\hat{\theta}_n \xrightarrow{P} \theta$
+
+### Эффективность
+Если существуют несколько несмещённых оценок одного параметра, предпочтительнее та, которая имеет 
+меньшую дисперсию.
+$D(\hat{\theta}_1) < D(\hat{\theta}_2)$
+
+## Интервальная оценка
+Точечная оценка имеет недостаток: она не показывает точность оценки.
+Поэтому используют интервальную оценку.
+Она имеет вид:
+$\theta \in [\theta_1; \theta_2]$
+
+## Доверительный интервал
+Интервальная оценка обычно строится с заданной доверительной вероятностью $\gamma$:
+$P(\theta_1 < \theta < \theta_2) = \gamma$
+Это определение не совсем корректное, так как вероятность не показывает, что фиксированный параметр 
+уже находится внутри.
+
+Интервальная оценка - диапазон, который с заданной доверительной вероятностью покрывает неизвестный 
+параметр.
+
+# Up
+- [Теория вероятностей и математическая статистика](e6ulbq)
diff --git a/kwlc0c.md b/kwlc0c.md
new file mode 100644
index 0000000..19a0a7e
--- /dev/null
+++ b/kwlc0c.md
@@ -0,0 +1,41 @@
+---
+id: kwlc0c
+date: 2026-07-25T21:04:56+0300
+languages: [ru]
+aliases:
+
+reviews:
+
+tags:
+- draft
+- knowledge
+---
+# Метод максимального правдоподобия
+
+Метод максимального правдоподобия (ММП) - один из основных методов точечного оценивания неизвестных 
+параметров распределения по выборке.
+
+Выбираем такие значения неизвестных параметров, при которых наблюдаемая выборка является наиболее 
+вероятной.
+
+## Функция правдоподобия
+Пусть дана выборка и известно, что случайные величины имеют распределение, зависящее от неизвестного 
+параметра $\theta$.
+
+Тогда для конкретных наблюдений $x_i$ функция правдоподобия равна:
+$L(\theta) = \prod_{i=1}^n f(x_i; \theta)$
+$f(x_i; \theta)$ - плотность распределения
+
+Если величина дискретная, то вместо плоности используется вероятность:
+$L(\theta) = \prod_{i=1}^n P(X = x_i)$
+
+Оценкой максимального правдоподобия называется такое значение параметра, при котором функция 
+максимального правдоподбия максимальна.
+
+## Логарифмическая функция правдоподобия
+На практике удобнее максимизировать логарифм правдоподобия (потому что вместо произведения получаем 
+сумму).
+$l(\theta) = \ln L(\theta) = \sum_{i=1}^n \ln f(x_i; \theta)$
+
+# Up
+- [Теория вероятностей и математическая статистика](e6ulbq)
diff --git a/m8425n.md b/m8425n.md
index 4e44f6c..db28c84 100644
--- a/m8425n.md
+++ b/m8425n.md
@@ -17,8 +17,8 @@ tags:
 Совместные события могут произойти одновременно.
 
 При броске кубика:
-A — выпало четное число.
-B — выпало число больше 3.
+A - выпало четное число.
+B - выпало число больше 3.
 Оба события происходят одновременно при выпадении 4 или 6.
 
 ### Несовместные события
diff --git a/mxk54q.md b/mxk54q.md
index 335fe6c..59d7710 100644
--- a/mxk54q.md
+++ b/mxk54q.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Числовые характеристики случайных величин
 
-Числовые характеристики случайных величин — это численные параметры, которые позволяют описывать 
+Числовые характеристики случайных величин - это численные параметры, которые позволяют описывать 
 основные свойства распределения случайной величины без полного задания её закона распределения.
 
 К основным числовым характеристикам относятся:
@@ -45,7 +45,7 @@ $D(X) = M(X^2) - (M(X))^2$
 $\sigma = \sqrt{D(X)}$
 
 ## Моменты
-Момент — это числовая характеристика, связанная со степенью отклонения случайной величины.
+Момент - это числовая характеристика, связанная со степенью отклонения случайной величины.
 
 ### Начальный момент
 Начальный момент порядка k:
diff --git a/pd4r0u.md b/pd4r0u.md
index 42f9ea0..63f048e 100644
--- a/pd4r0u.md
+++ b/pd4r0u.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Существенные и фиктивные аргументы функции алгебры логики
 
-Существенный аргумент — это переменная, изменение которой хотя бы для одного набора остальных 
+Существенный аргумент - это переменная, изменение которой хотя бы для одного набора остальных 
 переменных изменяет значение функции.
 
 Определение: аргумент $x_i$ является существенным, если существуют такие значения остальных 
@@ -20,7 +20,7 @@ tags:
 $f(..., x_i = 0, ...) \ne f(..., x_i = 1, ...)$
 
 
-Фиктивный (несущественный) аргумент — это переменная, изменение которой никогда не влияет на 
+Фиктивный (несущественный) аргумент - это переменная, изменение которой никогда не влияет на 
 значение функции.
 
 Определение: аргумент $x_i$ является фиктивным, если
diff --git a/qb08si.md b/qb08si.md
index 487d831..e54ac79 100644
--- a/qb08si.md
+++ b/qb08si.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Ряды распределения
 
-Ряд распределения — это способ задания закона распределения случайной величины, при котором каждому 
+Ряд распределения - это способ задания закона распределения случайной величины, при котором каждому 
 возможному значению случайной величины ставится в соответствие его вероятность.
 
 Ряды распределения используются в основном для **дискретных** случайных величин.
diff --git a/rgtnil.md b/rgtnil.md
index a9a5422..a080d68 100644
--- a/rgtnil.md
+++ b/rgtnil.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Перестановки
 
-Перестановка — это способ расположить все элементы множества в определенном порядке.
+Перестановка - это способ расположить все элементы множества в определенном порядке.
 
 Если имеется n различных элементов, число перестановок:
 $$P_n = n!$$
diff --git a/tntpt0.md b/tntpt0.md
index 42f8de8..34e331f 100644
--- a/tntpt0.md
+++ b/tntpt0.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Схема Бернулли
 
-Схема Бернулли — это модель проведения серии одинаковых независимых испытаний, в каждом из которых 
+Схема Бернулли - это модель проведения серии одинаковых независимых испытаний, в каждом из которых 
 возможны только два исхода:
 - успех (событие A);
 - неудача (противоположное событие A).
diff --git a/u2gy2a.md b/u2gy2a.md
index 9c4c14a..3f7d899 100644
--- a/u2gy2a.md
+++ b/u2gy2a.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Размещения
 
-Размещение — это выбор нескольких элементов из множества, при котором порядок **важен**.
+Размещение - это выбор нескольких элементов из множества, при котором порядок **важен**.
 
 $$A^k_n = \frac{n!}{(n-k)!}$$
 
diff --git a/wi7q4o.md b/wi7q4o.md
index a61c3ab..22540ff 100644
--- a/wi7q4o.md
+++ b/wi7q4o.md
@@ -12,7 +12,7 @@ tags:
 ---
 # Характеристики положения
 
-Характеристики положения — это числовые характеристики, которые описывают центральное (типичное) 
+Характеристики положения - это числовые характеристики, которые описывают центральное (типичное) 
 значение распределения случайной величины.
 
 К основным характеристикам положения относятся:
@@ -21,7 +21,7 @@ tags:
 - медиана
 
 ## Мода
-Мода — это значение случайной величины, которое встречается наиболее часто или имеет наибольшую 
+Мода - это значение случайной величины, которое встречается наиболее часто или имеет наибольшую 
 вероятность.
 
 Распределение может быть:
@@ -30,7 +30,7 @@ tags:
 3. Без моды
 
 ## Медиана
-Медиана — это такое значение случайной величины, которое делит распределение на две равные части.
+Медиана - это такое значение случайной величины, которое делит распределение на две равные части.
 
 # Up
 - [Теория вероятностей и математическая статистика](e6ulbq)
diff --git a/wk7jks.md b/wk7jks.md
new file mode 100644
index 0000000..ceaf808
--- /dev/null
+++ b/wk7jks.md
@@ -0,0 +1,42 @@
+---
+id: wk7jks
+date: 2026-07-25T20:28:46+0300
+languages: [ru]
+aliases:
+
+reviews:
+
+tags:
+- draft
+- knowledge
+---
+# Математическая статистика
+
+Математическая статистика - раздел математики, изучающий методы сбора, обработки, анализа и 
+интерпретации данных, полученных в результате наблюдений или экспериментов.
+
+Генеральная совокупность - все объекты или результаты, которые потенциально относятся к 
+исследованию.
+
+Выборка - конечное количество наблюдений, взятых из генеральной совокупности.
+
+Если значения выборки расположить в порядке возрастания: получается вариационный ряд.
+
+## Выборочное среднее
+Аналог математического ожидания для выборки:
+$\bar{x} = \frac{1}{n} \sum_{i=1}^n x_i$
+
+Выборочное среднее используется для оценки математического ожидания.
+
+## Выборочная дисперсия
+$S^2 = \frac{1}{n} \sum_{i=1}^n (x_i - \bar{x})^2$
+
+### Несмещённая выборочная дисперсия
+$S^2 = \frac{1}{n-1} \sum_{i=1}^n (x_i - \bar{x})^2$
+
+## Эмпирическая функция распределения
+$\bar{x} = \frac{1}{n} \sum_{i=1}^n I(X_i < x)$
+I - индикатор
+
+# Up
+- [Теория вероятностей и математическая статистика](e6ulbq)
diff --git a/y4xz5o.md b/y4xz5o.md
new file mode 100644
index 0000000..b66676e
--- /dev/null
+++ b/y4xz5o.md
@@ -0,0 +1,46 @@
+---
+id: y4xz5o
+date: 2026-07-25T20:52:12+0300
+languages: [ru]
+aliases:
+
+reviews:
+
+tags:
+- draft
+- knowledge
+---
+# Метод моментов
+
+Метод моментов - один из методов точечного оценивания неизвестных параметров распределения по 
+выборке.
+
+Теоретические моменты распределения приравниваются к соответствующим выборочным моментам, после чего 
+полученная система решается относительно неизвестных параметров.
+
+Достоинства:
+- метод простой
+- часто легко вычисляется
+
+Недостатки:
+- оценки могут быть смещёнными
+- оценки не всегда эффективны
+- для некоторых распределений система уравнений может быть достаточно сложной
+
+## Основная идея
+Предположим, что закон распределения зависит от `r` неизвестных параметров:
+$\theta_1, \theta_2, ..., \theta_r$
+
+Находим первые r теоретических моментов:
+$m_k = M(X^k) = g_i(\theta_1, ..., \theta_r)$
+Находим первые r выборочных моментов:
+$\hat{m}_k = \frac{1}{n} \sum_{i=1}^n X_i^k$
+Затем приравниваем теоретические моменты к выборочным и решаем полученную систему относительно 
+параметров.
+
+Полученные значения
+$\hat{\theta}_1, \hat{\theta}_2, ..., \hat{\theta}_r$
+являются оценками методом моментов.
+
+# Up
+- [Теория вероятностей и математическая статистика](e6ulbq)