logo
  • write-homewrite-home-active首页
  • icon-chaticon-chat-activeAI 智能助手
  • icon-pluginicon-plugin-active浏览器插件
  • icon-subjecticon-subject-active学科题目
  • icon-uploadicon-upload-active上传题库
  • 更多功能
  • icon-appicon-app-active手机APP
首页
/
统计
题目

49 判断 (2分) 设总体X的密度函数为f(x)=}x^theta(theta+1),&0-1,(X_(1),X_(2),...,X_(n))是取自总体X的样本,则theta的极大似然估计量是hat(theta)=-1-(n)/(sum_(i=1)^nln X_{i)}. ()A. ×B. √

49 判断 (2分) 设总体X的密度函数为 $f(x)=\begin{cases}x^{\theta}(\theta+1),&0<1,\\0,&其它.\end{cases}$ 其中未知参数$\theta>-1$,$(X_{1},X_{2},\cdots,X_{n})$是取自总体X的样本,则$\theta$的极大似然估计量是 $\hat{\theta}=-1-\frac{n}{\sum_{i=1}^{n}\ln X_{i}}$. ()

A. ×

B. √

题目解答

答案

B. √

解析

本题考查极大似然估计量的求解。解题思路是先根据总体的密度函数写出似然函数,再对似然函数取对数得到对数似然函数,然后对对数似然函数求导并令导数为零,解出参数的估计值,最后判断该估计值是否满足参数的取值范围。

  1. 写出似然函数:
    已知总体$X$的密度函数为$f(x)=\begin{cases}x^{\theta}(\theta + 1),&0\lt x\lt 1\\0,&\text{其它}\end{cases}$,$(X_{1},X_{2},\cdots,X_{n})$是取自总体$X$的样本。
    因为样本中的每个$X_i$相互独立且与总体$X$同分布,所以似然函数$L(\theta)$为各个样本点概率密度函数的乘积,即:
    $L(\theta)=\prod_{i = 1}^{n}f(X_i)$
    由于$0\lt X_i\lt 1$时,$f(X_i)=X_i^{\theta}(\theta + 1)$,所以$L(\theta)=\prod_{i = 1}^{n}X_i^{\theta}(\theta + 1)=(\theta + 1)^n\prod_{i = 1}^{n}X_i^{\theta}$。
  2. 取对数得到对数似然函数:
    对似然函数$L(\theta)$取自然对数,可得对数似然函数$\ell(\theta)$:
    $\ell(\theta)=\ln L(\theta)=\ln\left[(\theta + 1)^n\prod_{i = 1}^{n}X_i^{\theta}\right]$
    根据对数运算法则$\ln(ab)=\ln a+\ln b$和$\ln a^b = b\ln a$,可得:
    $\ell(\theta)=n\ln(\theta + 1) + \theta\sum_{i = 1}^{n}\ln X_i$
  3. 求导并令导数为零:
    对对数似然函数$\ell(\theta)$关于$\theta$求导:
    $\frac{d\ell(\theta)}{d\theta}=\frac{d}{d\theta}\left[n\ln(\theta + 1) + \theta\sum_{i = 1}^{n}\ln X_i\right]$
    根据求导公式$(\ln x)^\prime=\frac{1}{x}$和$(x^n)^\prime=nx^{n - 1}$,可得:
    $\frac{d\ell(\theta)}{d\theta}=\frac{n}{\theta + 1} + \sum_{i = 1}^{n}\ln X_i$
    令$\frac{d\ell(\theta)}{d\theta}=0$,即$\frac{n}{\theta + 1} + \sum_{i = 1}^{n}\ln X_i = 0$。
  4. 求解$\theta$:
    由$\frac{n}{\theta + 1} + \sum_{i = 1}^{n}\ln X_i = 0$,移项可得:
    $\frac{n}{\theta + 1}=-\sum_{i = 1}^{n}\ln X_i$
    两边同时取倒数得:
    $\theta + 1=-\frac{n}{\sum_{i = 1}^{n}\ln X_i}$
    移项解得:
    $\theta=-1 - \frac{n}{\sum_{i = 1}^{n}\ln X_i}$
  5. 判断$\theta$的取值范围:
    因为$0\lt X_i\lt 1$,根据对数函数的性质,$\ln x$在$(0,1)$上小于$0$,所以$\ln X_i\lt 0$,那么$\sum_{i = 1}^{n}\ln X_i\lt 0$。
    则$-\frac{n}{\sum_{i = 1}^{n}\ln X_i}\gt 0$,所以$\theta=-1 - \frac{n}{\sum_{i = 1}^{n}\ln X_i}\gt -1$,满足参数$\theta\gt -1$的条件。
logo
广州极目未来文化科技有限公司
注册地址:广州市黄埔区揽月路8号135、136、137、138房
关于
  • 隐私政策
  • 服务协议
  • 权限详情
学科
  • 医学
  • 政治学
  • 管理
  • 计算机
  • 教育
  • 数学
联系我们
  • 客服电话: 010-82893100
  • 公司邮箱: daxuesoutijiang@163.com
  • qt

©2023 广州极目未来文化科技有限公司 粤ICP备2023029972号    粤公网安备44011202002296号