题目
设X服从(0,0]上的均匀分布,X1,X2,···,Xn是取自总体X的一-|||-个简单随机样本,求θ的矩估计量和最大似然估计量.
题目解答
答案
解析
本题主要考查均匀分布的矩估计量和最大似然估计量的求解。解题思路如下:
1. 求矩估计量
- 首先明确均匀分布 $X\sim U(0,\theta]$ 的概率密度函数,然后根据期望的计算公式求出总体 $X$ 的期望 $E(X)$。
- 对于均匀分布 $X\sim U(0,\theta]$,其概率密度函数为 $f(x;\theta)=\begin{cases}\dfrac{1}{\theta},&0\lt x\leqslant\theta\\0,&\text{其他}\end{cases}$。
- 根据期望的定义 $E(X)=\int_{-\infty}^{+\infty}xf(x;\theta)dx$,可得:
$\begin{align*}E(X)&=\int_{0}^{\theta}x\cdot\frac{1}{\theta}dx\\&=\frac{1}{\theta}\int_{0}^{\theta}xdx\\&=\frac{1}{\theta}\cdot\frac{1}{2}x^{2}\big|_{0}^{\theta}\\&=\frac{1}{\theta}\cdot\frac{1}{2}\theta^{2}\\&=\frac{\theta}{2}\end{align*}$ - 用样本一阶矩 $\overline{X}=\frac{1}{n}\sum_{i = 1}^{n}X_{i}$ 估计总体一阶矩 $E(X)$,即令 $E(X)=\overline{X}$,也就是 $\frac{\theta}{2}=\overline{X}$。
- 解上述方程可得 $\theta = 2\overline{X}$,所以 $\theta$ 的矩估计量为 $\hat{\theta}=2\overline{X}$。
2. 求最大似然估计量
- 先写出似然函数 $L(\theta)$,似然函数是样本 $X_1,X_2,\cdots,X_n$ 的联合概率密度函数,即 $L(\theta)=\prod_{i = 1}^{n}f(x_i;\theta)$。
- 已知 $f(x;\theta)=\begin{cases}\dfrac{1}{\theta},&0\lt x\leqslant\theta\\0,&\text{其他}\end{cases}$,则 $L(\theta)=\begin{cases}\dfrac{1}{\theta^n},&0\lt x_1,x_2,\cdots,x_n\leqslant\theta\\0,&\text{其他}\end{cases}$。
- 要使 $L(\theta)$ 达到最大,因为 $L(\theta)=\frac{1}{\theta^n}$($0\lt x_1,x_2,\cdots,x_n\leqslant\theta$),$L(\theta)$ 是关于 $\theta$ 的单调递减函数,所以只需 $\theta$ 尽可能地小。
- 又因为 $\theta\geqslant x_1,x_2,\cdots,x_n$,所以取 $\theta = x_{(n)}=\max\{x_1,x_2,\cdots,x_n\}$,从而 $\theta$ 的最大似然估计量为 $\hat{\theta}=X_{(n)}=\max\{X_1,X_2,\cdots,X_n\}$。
- 对于似然函数 $L(\theta)=\frac{1}{\theta^n}$($0\lt x_1,x_2,\cdots,x_n\leqslant\theta$),求导 $\frac{dL(\theta)}{d\theta}=\frac{d}{d\theta}(\frac{1}{\theta^n})=-\frac{n}{\theta^{n + 1}}\neq0$,即无法用解似然方程的方法求最大值,这时要根据似然函数本身的特点求出最大值。