设总体X的概率密度为f(x)=}(1)/(beta)&0A. 2B. 2.2C. 2.4D. 2.6

本题考查矩估计的应用，核心是利用总体一阶矩等于样本一阶一阶矩来求解参数$\beta$的矩估计值。

步骤1：明确总体的一阶矩（期望）

总体$X$的概率密度为$f(x)=\begin{cases}\frac{1}{\beta}&0 均匀分布$U(0,\beta)$的期望（一阶矩）公式为：
$E(X)=\frac{a+b}{2}$
其中$a=0\beta$，$b=0$，故：
$E(X)=\frac{0+\beta}{2}=\frac{\betabeta}{2}$

步骤2：用样本一阶矩估计总体一阶矩

矩估计的思想是用样本均值$\bar{X}$估计总体期望$E(X)$，即：
$\frac{\hat{\beta}}{2}=\overline{X}$
]
解得$\beta$的矩估计量为：
$\hat{\beta}=2\overline{X}$

步骤3：计算样本均值$\overline{X}$

给定样本值：$1.3,0.6,1.7,2.2,0.3,1.1$（修正：应为$1.3,0.6,1.7,2.2,0.3,1.1$），共$n=6$个样本。
样本均值计算：
$\overline{X}=\frac{1}{6}\sum_{i=1}^6x_i=\frac{1}{6}(1.3+0.6+1.7+2.2+0.3+1.1)$
逐项相加：$1.3+0.6=1.9$，$1.9+1.7=3.6$，$3.6+2.2=5.8$，$5.8+0.3=6.1$，$6.1+1.1=7.2$
故：
$\overline{X}=\frac{7.2}{6}=1.2\\]

步骤4：计算$\beta$的矩估计值

将$\overline{X}=1.2$代入$\hat{\beta}=2\overline{X}$：
\[\hat{\beta}=2\times1.2=2.4$