30、设某钢珠直径X服从正态分布N(μ,1),(单位:mm),其中μ为未知参数,从刚生产出的一大堆钢珠中随机抽出9个,求得样本均值overline(x)=(1)/(9)sum_(i=1)^9x_(i)=31.06,样本方差S_(xi)^2=(1)/(9)sum_(i=1)^9(x_(i)-overline(x))^2=0.98^2,则μ的极大似然估计值为( )A.31.06B.(31.06-0.98,31.06+0.98)C.0.98D.9×31.06
题目解答
答案
根据题目给出的信息,我们需要求解正态分布 $N(\mu, 1)$ 中未知参数 $\mu$ 的极大似然估计值。
推导过程:
-
明确总体分布:
题目指出钢珠直径 $X$ 服从正态分布 $N(\mu, 1)$。
这意味着总体分布的概率密度函数为:
$f(x; \mu) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}}$
其中,方差 $\sigma^2 = 1$,即标准差 $\sigma = 1$。$\mu$ 是未知的均值参数。 -
构建似然函数:
设 $x_1, x_2, \dots, x_n$ 是来自该总体的一个样本。对于正态分布 $N(\mu, \sigma^2)$,当方差 $\sigma^2$ 已知时,均值 $\mu$ 的极大似然估计量 $\hat{\mu}$ 是样本均值 $\bar{x}$。具体推导如下:
似然函数 $L(\mu)$ 为样本的联合概率密度函数:
$L(\mu) = \prod_{i=1}^{n} f(x_i; \mu) = \prod_{i=1}^{n} \frac{1}{\sqrt{2\pi}} e^{-\frac{(x_i-\mu)^2}{2}}$
取对数似然函数 $\ln L(\mu)$:
$\ln L(\mu) = \sum_{i=1}^{n} \left[ -\ln(\sqrt{2\pi}) - \frac{(x_i-\mu)^2}{2} \right] = -\frac{n}{2}\ln(2\pi) - \frac{1}{2}\sum_{i=1}^{n} (x_i-\mu)^2$
对 $\mu$ 求导并令其为 0:
$\frac{d \ln L(\mu)}{d\mu} = -\frac{1}{2} \sum_{i=1}^{n} 2(x_i-\mu)(-1) = \sum_{i=1}^{n} (x_i-\mu) = 0$
$\sum_{i=1}^{n} x_i - n\mu = 0$
$\mu = \frac{1}{n}\sum_{i=1}^{n} x_i = \bar{x}$
因此,$\mu$ 的极大似然估计值为样本均值 $\bar{x}$。 -
代入已知数据:
题目中给出,随机抽出了 9 个样本($n=9$),求得样本均值 $\bar{x} = \frac{1}{9}\sum_{i=1}^{9} x_i = 31.06$。
样本方差 $S_n^2$ 的信息在求 $\mu$ 的极大似然估计时是不需要的,因为 $\mu$ 的估计只依赖于样本均值。 -
得出结论:
$\mu$ 的极大似然估计值即为样本均值 $31.06$。
对比选项:
A. 31.06
B. (31.06 - 0.98, 31.06 + 0.98)
C. 0.98
D. 9 × 31.06
正确选项是 A。
解析
本题考查正态分布中未知参数的极大似然估计。解题思路是先明确总体分布,再构建似然函数,通过对似然函数取对数并求导,令导数为 0 来求解未知参数的极大似然估计值。
- 明确总体分布:
已知钢珠直径 $X$ 服从正态分布 $N(\mu, 1)$,其概率密度函数为 $f(x; \mu) = \frac{1}{\sqrt{2\pi}\sigma} e^{-\frac{(x-\mu)^2}{2\sigma^2}}$,其中方差 $\sigma^2 = 1$,即标准差 $\sigma = 1$,$\mu$ 是未知的均值参数。 - 构建似然函数:
设 $x_1, x_2, \dots, x_n$ 是来自该总体的一个样本,似然函数 $L(\mu)$ 为样本的联合概率密度函数,即 $L(\mu) = \prod_{i=1}^{n} f(x_i; \mu) = \prod_{i=1}^{n} \frac{1}{\sqrt{2\pi}} e^{-\frac{(x_i-\mu)^2}{2}}$。 - 取对数似然函数:
对似然函数 $L(\mu)$ 取对数,可得 $\ln L(\mu) = \sum_{i=1}^{n} \left[ -\ln(\sqrt{2\pi}) - \frac{(x_i-\mu)^2}{2} \right] = -\frac{n}{2}\ln(2\pi) - \frac{1}{2}\sum_{i=1}^{n} (x_i-\mu)^2$。 - 求导并令其为 0:
对 $\ln L(\mu)$ 关于 $\mu$ 求导,$\frac{d \ln L(\mu)}{d\mu} = -\frac{1}{2} \sum_{i=1}^{n} 2(x_i-\mu)(-1) = \sum_{i=1}^{n} (x_i-\mu) = 0$。
进一步化简得 $\sum_{i=1}^{n} x_i - n\mu = 0$,解得 $\mu = \frac{1}{n}\sum_{i=1}^{n} x_i = \bar{x}$,即 $\mu$ 的极大似然估计值为样本均值 $\bar{x}$。 - 代入已知数据:
题目中给出 $n = 9$,样本均值 $\bar{x} = 31.06$,样本方差 $S_n^2$ 的信息在求 $\mu$ 的极大似然估计时不需要,因为 $\mu$ 的估计只依赖于样本均值。
所以 $\mu$ 的极大似然估计值为 $31.06$。