题目
设总体X~U[-θ,θ](θ>0),X_(1),X_(2),...,X_(n)为样本,则θ的一个矩估计量为hat(theta)=sqrt((3)/(n)sum_(i=1)^nX_{i)^2}.A. 对B. 错
设总体X~U[-θ,θ](θ>0),$X_{1},X_{2},\cdots,X_{n}$为样本,则θ的一个矩估计量为$\hat{\theta}=\sqrt{\frac{3}{n}\sum_{i=1}^{n}X_{i}^{2}}$.
A. 对
B. 错
题目解答
答案
A. 对
解析
本题考查矩估计量的求解,解题思路是先求出总体的一阶原点矩和二阶原点矩,再根据矩估计的方法,用样本矩来估计总体矩,进而得到参数$\theta$的矩估计量。
- 求总体$X$的一阶原点矩$E(X)$:
已知总体$X\sim U[- \theta, \theta](\theta\gt0)$,根据均匀分布的期望公式$E(X)=\frac{a + b}{2}$(其中$a$和$b$分别是均匀分布的下限和上限),可得:
$E(X)=\frac{-\theta + \theta}{2}=0$ - 求总体$X$的二阶原点矩$E(X^2)$:
根据方差的计算公式$D(X)=E(X^2)-[E(X)]^2$,可得$E(X^2)=D(X)+[E(X)]^2$。
对于均匀分布$X\sim U[- \theta, \theta](\theta\gt0)$,其方差公式为$D(X)=\frac{(b - a)^2}{12}$,将$a = -\theta$,$b = \theta$代入可得:
$D(X)=\frac{(\theta - (-\theta))^2}{12}=\frac{(2\theta)^2}{12}=\frac{4\theta^2}{12}=\frac{\theta^2}{3}$
又因为$E(X)=0$,所以$E(X^2)=D(X)+[E(X)]^2=\frac{\theta^2}{3}+0^2=\frac{\theta^2}{3}$。 - 用样本矩估计总体矩:
设样本$X_{1},X_{2},\cdots,X_{n}$的二阶原点矩为$A_2=\frac{1}{n}\sum_{i = 1}^{n}X_{i}^{2}$,根据矩估计的方法,用样本二阶原点矩$A_2$估计总体二阶原点矩$E(X^2)$,即$E(X^2)=A_2$,则有:
$\frac{\theta^2}{3}=\frac{1}{n}\sum_{i = 1}^{n}X_{i}^{2}$ - 求解$\theta$的矩估计量$\hat{\theta}$:
由$\frac{\theta^2}{3}=\frac{1}{n}\sum_{i = 1}^{n}X_{i}^{2}$,两边同时乘以$3$可得$\theta^2=\frac{3}{n}\sum_{i = 1}^{n}X_{i}^{2}$,因为$\theta\gt0$,所以对等式两边同时开平方可得:
$\hat{\theta}=\sqrt{\frac{3}{n}\sum_{i = 1}^{n}X_{i}^{2}}$