4.设总体Xsim f(x;theta)=}sqrt(theta)x^sqrt(theta)-1,&0<1,0,&其他,为来自总体的一组样本，求参数θ的矩估计量和最大似然估计值.

考查要点：本题主要考查参数估计中的矩估计法和最大似然估计法的应用，涉及概率密度函数的期望计算和对数似然函数的求导。

解题核心思路：

1. 矩估计：通过计算总体的一阶原点矩（期望）并与样本均值联立方程，解出参数θ。
2. 最大似然估计：构造似然函数，取对数后求导，解方程得到θ的估计值。

破题关键点：

• 矩估计的关键是正确计算期望值，并建立方程求解θ。
• 最大似然估计需注意对数似然函数中θ的处理，尤其是√θ的导数，避免计算错误。

矩估计量

1. 计算总体期望：
   $E(X) = \int_0^1 x \cdot \sqrt{\theta} x^{\sqrt{\theta} - 1} \, dx = \sqrt{\theta} \int_0^1 x^{\sqrt{\theta}} \, dx = \sqrt{\theta} \cdot \frac{1}{\sqrt{\theta} + 1} = \frac{\sqrt{\theta}}{\sqrt{\theta} + 1}.$

2. 建立方程：
   令总体期望等于样本均值$\overline{X}$，即：
   $\frac{\sqrt{\theta}}{\sqrt{\theta} + 1} = \overline{X}.$

3. 解方程：
   交叉相乘得：
   $\sqrt{\theta} = \overline{X} (\sqrt{\theta} + 1) \implies \sqrt{\theta} (1 - \overline{X}) = \overline{X} \implies \sqrt{\theta} = \frac{\overline{X}}{1 - \overline{X}}.$
   平方后得矩估计量：
   $\hat{\theta}_{\text{矩}} = \left( \frac{\overline{X}}{1 - \overline{X}} \right)^2.$

最大似然估计量

1. 构造似然函数：
   $L(\theta) = \prod_{i=1}^n \sqrt{\theta} X_i^{\sqrt{\theta} - 1} = (\sqrt{\theta})^n \prod_{i=1}^n X_i^{\sqrt{\theta} - 1}.$

2. 取对数：
   $\ln L(\theta) = \frac{n}{2} \ln \theta + (\sqrt{\theta} - 1) \sum_{i=1}^n \ln X_i.$

3. 求导并解方程：
   对θ求导并令导数为0：
   $\frac{n}{2\theta} + \frac{1}{2\sqrt{\theta}} \sum_{i=1}^n \ln X_i = 0.$
   整理得：
   $\sqrt{\theta} = \frac{n}{-\sum_{i=1}^n \ln X_i} \implies \hat{\theta}_{\text{MLE}} = \left( \frac{n}{\sum_{i=1}^n -\ln X_i} \right)^2.$