1.设总体概率函数如下,x1,x2,···,xn是样本,试求未知参数的最大似然估计.-|||-(1) (x;theta )=sqrt (theta )(x)^sqrt (theta -1) lt xlt 1 ,θ>0;

考查要点：本题主要考查最大似然估计的应用，需要根据给定的概率函数构造似然函数，并通过求导找到未知参数θ的最大似然估计值。

解题核心思路：

1. 构造似然函数：将样本中每个观测值的概率相乘，得到关于θ的函数。
2. 取对数简化计算：对似然函数取自然对数，转化为求和形式，便于求导。
3. 求导并解方程：对对数似然函数关于θ求导，令导数为零，解方程得到θ的估计值。
4. 验证极值性质：确认解为极大值点（通常通过二阶导数或实际意义判断）。

破题关键点：

• 正确写出似然函数：注意概率函数中的参数θ出现在指数和系数中。
• 处理对数后的求和形式：将乘积转换为求和时，需展开每一项。
• 导数计算：对含θ的平方根项求导时，需应用链式法则。

构造似然函数

样本$x_1, x_2, \dots, x_n$独立同分布，似然函数为：
$L(\theta) = \prod_{i=1}^n P(x_i; \theta) = \prod_{i=1}^n \left( \sqrt{\theta} \cdot x_i^{\sqrt{\theta} - 1} \right)$
展开后：
$L(\theta) = (\sqrt{\theta})^n \cdot \left( x_1 x_2 \cdots x_n \right)^{\sqrt{\theta} - 1}$

对数似然函数

对似然函数取自然对数：
$\ln L(\theta) = n \ln \sqrt{\theta} + (\sqrt{\theta} - 1) \sum_{i=1}^n \ln x_i$
化简得：
$\ln L(\theta) = \frac{n}{2} \ln \theta + (\sqrt{\theta} - 1) \sum_{i=1}^n \ln x_i$

求导并解方程

对θ求导并令导数为零：
$\frac{d}{d\theta} \ln L(\theta) = \frac{n}{2\theta} + \frac{1}{2\sqrt{\theta}} \sum_{i=1}^n \ln x_i = 0$
整理方程：
$\frac{n}{2\theta} = -\frac{1}{2\sqrt{\theta}} \sum_{i=1}^n \ln x_i$
两边同乘$2\theta\sqrt{\theta}$：
$n\sqrt{\theta} = -\theta \sum_{i=1}^n \ln x_i$
解得：
$\sqrt{\theta} = -\frac{n}{\sum_{i=1}^n \ln x_i} \quad \Rightarrow \quad \hat{\theta} = \left( -\frac{n}{\sum_{i=1}^n \ln x_i} \right)^2$