题目
设总体Xsim N(mu,sigma^2),X_(1),X_(2)为来自总体的样本,hat(mu)_(1)=aX_(1)+aX_(2),hat(mu)_(2)=2bX_(1)+3bX_(2),若hat(mu)_(1),hat(mu)_(2)为mu的无偏估计量,则a=____,b=____.注意:答案写小数形式。第1空:请输入答案第2空:请输入答案
设总体$X\sim N(\mu,\sigma^{2})$,$X_{1},X_{2}$为来自总体的样本,$\hat{\mu}_{1}=aX_{1}+aX_{2}$,$\hat{\mu}_{2}=2bX_{1}+3bX_{2}$,若$\hat{\mu}_{1},\hat{\mu}_{2}$为$\mu$的无偏估计量,则a=____,b=____.
注意:答案写小数形式。
第1空:
请输入答案
第2空:
请输入答案
题目解答
答案
根据无偏估计的定义,估计量的期望应等于参数真值。
1. 对于 $\hat{\mu}_1 = aX_1 + aX_2$,
\[
E(\hat{\mu}_1) = 2a\mu = \mu \implies a = \frac{1}{2} = 0.5
\]
2. 对于 $\hat{\mu}_2 = 2bX_1 + 3bX_2$,
\[
E(\hat{\mu}_2) = 5b\mu = \mu \implies b = \frac{1}{5} = 0.2
\]
**答案:**
\[
\boxed{
\begin{array}{ll}
a = & 0.5 \\
b = & 0.2 \\
\end{array}
}
\]
解析
步骤 1:确定无偏估计量的条件
无偏估计量的定义是估计量的期望值等于参数的真值。因此,对于$\hat{\mu}_1$和$\hat{\mu}_2$,我们有:
\[ E(\hat{\mu}_1) = \mu \]
\[ E(\hat{\mu}_2) = \mu \]
步骤 2:计算$\hat{\mu}_1$的期望值
由于$X_1$和$X_2$都是来自总体$N(\mu,\sigma^{2})$的样本,它们的期望值都是$\mu$。因此,$\hat{\mu}_1$的期望值为:
\[ E(\hat{\mu}_1) = E(aX_1 + aX_2) = aE(X_1) + aE(X_2) = a\mu + a\mu = 2a\mu \]
为了使$\hat{\mu}_1$成为$\mu$的无偏估计量,我们需要$2a\mu = \mu$,从而得到$a = \frac{1}{2} = 0.5$。
步骤 3:计算$\hat{\mu}_2$的期望值
同样地,$\hat{\mu}_2$的期望值为:
\[ E(\hat{\mu}_2) = E(2bX_1 + 3bX_2) = 2bE(X_1) + 3bE(X_2) = 2b\mu + 3b\mu = 5b\mu \]
为了使$\hat{\mu}_2$成为$\mu$的无偏估计量,我们需要$5b\mu = \mu$,从而得到$b = \frac{1}{5} = 0.2$。
无偏估计量的定义是估计量的期望值等于参数的真值。因此,对于$\hat{\mu}_1$和$\hat{\mu}_2$,我们有:
\[ E(\hat{\mu}_1) = \mu \]
\[ E(\hat{\mu}_2) = \mu \]
步骤 2:计算$\hat{\mu}_1$的期望值
由于$X_1$和$X_2$都是来自总体$N(\mu,\sigma^{2})$的样本,它们的期望值都是$\mu$。因此,$\hat{\mu}_1$的期望值为:
\[ E(\hat{\mu}_1) = E(aX_1 + aX_2) = aE(X_1) + aE(X_2) = a\mu + a\mu = 2a\mu \]
为了使$\hat{\mu}_1$成为$\mu$的无偏估计量,我们需要$2a\mu = \mu$,从而得到$a = \frac{1}{2} = 0.5$。
步骤 3:计算$\hat{\mu}_2$的期望值
同样地,$\hat{\mu}_2$的期望值为:
\[ E(\hat{\mu}_2) = E(2bX_1 + 3bX_2) = 2bE(X_1) + 3bE(X_2) = 2b\mu + 3b\mu = 5b\mu \]
为了使$\hat{\mu}_2$成为$\mu$的无偏估计量,我们需要$5b\mu = \mu$,从而得到$b = \frac{1}{5} = 0.2$。