题目
3、设(X_(1),X_(2),...,X_(n))是取自总体X的一个样本，X的分布函数为F(x;theta)=}1-x^theta,&xgeq1,0,&x<1.其中theta未知，theta>1.试求theta的矩估计和极大似然估计量.
3、设$(X_{1},X_{2},\cdots,X_{n})$是取自总体X的一个样本，X的分布函数为
$F(x;\theta)=\begin{cases}1-x^{\theta},&x\geq1,\\0,&x<1.\end{cases}$其中$\theta$未知，$\theta>1$.试求$\theta$的矩估计和极大似然估计量.
题目解答
答案
**矩估计：**
1. 求期望 $E(X)$：
$$
E(X) = \int_1^\infty x \cdot \theta x^{-(\theta+1)} \, dx = \frac{\theta}{\theta-1}.
$$
2. 令样本均值 $\overline{X}$ 等于期望：
$$
\overline{X} = \frac{\theta}{\theta-1} \implies \theta = \frac{\overline{X}}{\overline{X}-1}.
$$
**矩估计量：** $\boxed{\frac{\overline{X}}{\overline{X}-1}}$
**极大似然估计：**
1. 写似然函数 $L(\theta)$：
$$
L(\theta) = \theta^n \left( \prod_{i=1}^n X_i \right)^{-(\theta+1)}.
$$
2. 取对数并求导：
$$
\ell(\theta) = n \ln \theta - (\theta+1) \sum_{i=1}^n \ln X_i \implies \frac{d\ell}{d\theta} = \frac{n}{\theta} - \sum_{i=1}^n \ln X_i = 0.
$$
3. 解得：
$$
\theta = \frac{n}{\sum_{i=1}^n \ln X_i}.
$$
**极大似然估计量：** $\boxed{\frac{n}{\sum_{i=1}^n \ln X_i}}$ 或 $\boxed{\frac{1}{\overline{\ln X}}}$
其中，$\overline{\ln X} = \frac{1}{n} \sum_{i=1}^n \ln X_i$。
解析
步骤 1：求期望 $E(X)$
根据给定的分布函数，我们首先计算随机变量 $X$ 的期望值 $E(X)$。由于 $X$ 的分布函数为 $F(x;\theta)=1-x^{\theta}$ 对于 $x \geq 1$，我们有概率密度函数 $f(x;\theta) = -\frac{d}{dx}F(x;\theta) = \theta x^{-(\theta+1)}$。因此，期望值 $E(X)$ 可以通过积分计算得到：
$$ E(X) = \int_1^\infty x \cdot \theta x^{-(\theta+1)} \, dx = \theta \int_1^\infty x^{-(\theta)} \, dx = \theta \left[ \frac{x^{-(\theta-1)}}{-(\theta-1)} \right]_1^\infty = \frac{\theta}{\theta-1}. $$
步骤 2：矩估计量
根据矩估计法，我们令样本均值 $\overline{X}$ 等于期望值 $E(X)$，从而得到 $\theta$ 的矩估计量。即：
$$ \overline{X} = \frac{\theta}{\theta-1} \implies \theta = \frac{\overline{X}}{\overline{X}-1}. $$
步骤 3：极大似然估计量
首先，写出似然函数 $L(\theta)$，然后取对数得到对数似然函数 $\ell(\theta)$，并求导数以找到 $\theta$ 的极大似然估计量。似然函数为：
$$ L(\theta) = \prod_{i=1}^n f(X_i;\theta) = \theta^n \left( \prod_{i=1}^n X_i \right)^{-(\theta+1)}. $$
对数似然函数为：
$$ \ell(\theta) = n \ln \theta - (\theta+1) \sum_{i=1}^n \ln X_i. $$
对 $\ell(\theta)$ 关于 $\theta$ 求导并令导数等于零，得到：
$$ \frac{d\ell}{d\theta} = \frac{n}{\theta} - \sum_{i=1}^n \ln X_i = 0. $$
解得：
$$ \theta = \frac{n}{\sum_{i=1}^n \ln X_i}. $$
根据给定的分布函数，我们首先计算随机变量 $X$ 的期望值 $E(X)$。由于 $X$ 的分布函数为 $F(x;\theta)=1-x^{\theta}$ 对于 $x \geq 1$，我们有概率密度函数 $f(x;\theta) = -\frac{d}{dx}F(x;\theta) = \theta x^{-(\theta+1)}$。因此，期望值 $E(X)$ 可以通过积分计算得到：
$$ E(X) = \int_1^\infty x \cdot \theta x^{-(\theta+1)} \, dx = \theta \int_1^\infty x^{-(\theta)} \, dx = \theta \left[ \frac{x^{-(\theta-1)}}{-(\theta-1)} \right]_1^\infty = \frac{\theta}{\theta-1}. $$
步骤 2：矩估计量
根据矩估计法，我们令样本均值 $\overline{X}$ 等于期望值 $E(X)$，从而得到 $\theta$ 的矩估计量。即：
$$ \overline{X} = \frac{\theta}{\theta-1} \implies \theta = \frac{\overline{X}}{\overline{X}-1}. $$
步骤 3：极大似然估计量
首先，写出似然函数 $L(\theta)$，然后取对数得到对数似然函数 $\ell(\theta)$，并求导数以找到 $\theta$ 的极大似然估计量。似然函数为：
$$ L(\theta) = \prod_{i=1}^n f(X_i;\theta) = \theta^n \left( \prod_{i=1}^n X_i \right)^{-(\theta+1)}. $$
对数似然函数为：
$$ \ell(\theta) = n \ln \theta - (\theta+1) \sum_{i=1}^n \ln X_i. $$
对 $\ell(\theta)$ 关于 $\theta$ 求导并令导数等于零，得到：
$$ \frac{d\ell}{d\theta} = \frac{n}{\theta} - \sum_{i=1}^n \ln X_i = 0. $$
解得：
$$ \theta = \frac{n}{\sum_{i=1}^n \ln X_i}. $$