设 X_1, X_2, Lambda, X_n 是来自正态总体 N(mu, sigma^2) 的样本,则( )是 mu 无偏估计.(A) X_1 + X_2 + X_3(B) (2)/(5) X_1 + (2)/(5) X_2 + (2)/(5) X_3(C) (1)/(5) X_1 + (1)/(5) X_2 + (1)/(5) X_3(D) (1)/(5) X_1 + (1)/(5) X_2 + (3)/(5) X_3
设 $X_1, X_2, \Lambda, X_n$ 是来自正态总体 $N(\mu, \sigma^2)$ 的样本,则( )是 $\mu$ 无偏估计. (A) $X_1 + X_2 + X_3$ (B) $\frac{2}{5} X_1 + \frac{2}{5} X_2 + \frac{2}{5} X_3$ (C) $\frac{1}{5} X_1 + \frac{1}{5} X_2 + \frac{1}{5} X_3$ (D) $\frac{1}{5} X_1 + \frac{1}{5} X_2 + \frac{3}{5} X_3$
题目解答
答案
我们要判断哪个选项是总体均值 $\mu$ 的无偏估计量。
一、基本概念
设 $X_1, X_2, \dots, X_n$ 是来自正态总体 $N(\mu, \sigma^2)$ 的样本。
一个估计量 $\hat{\theta}$ 是 $\theta$ 的无偏估计量,当且仅当:
$\mathbb{E}[\hat{\theta}] = \theta$
对于本题,我们要判断哪个选项是 $\mu$ 的无偏估计量,即判断哪个估计量的期望等于 $\mu$。
二、逐项分析
我们假设样本是独立同分布的,即 $X_i \sim N(\mu, \sigma^2)$,且相互独立。
(A) $X_1 + X_2 + X_3$
$\mathbb{E}[X_1 + X_2 + X_3] = \mathbb{E}[X_1] + \mathbb{E}[X_2] + \mathbb{E}[X_3] = \mu + \mu + \mu = 3\mu$
不等于 $\mu$,所以 不是无偏估计量。
(B) $\frac{2}{5} X_1 + \frac{2}{5} X_2 + \frac{2}{5} X_3$
$\mathbb{E}[\frac{2}{5} X_1 + \frac{2}{5} X_2 + \frac{2}{5} X_3] = \frac{2}{5} \mu + \frac{2}{5} \mu + \frac{2}{5} \mu = \frac{6}{5} \mu$
不等于 $\mu$,所以 不是无偏估计量。
(C) $\frac{1}{5} X_1 + \frac{1}{5} X_2 + \frac{1}{5} X_3$
$\mathbb{E}[\frac{1}{5} X_1 + \frac{1}{5} X_2 + \frac{1}{5} X_3] = \frac{1}{5} \mu + \frac{1}{5} \mu + \frac{1}{5} \mu = \frac{3}{5} \mu$
不等于 $\mu$,所以 不是无偏估计量。
(D) $\frac{1}{5} X_1 + \frac{1}{5} X_2 + \frac{3}{5} X_3$
$\mathbb{E}[\frac{1}{5} X_1 + \frac{1}{5} X_2 + \frac{3}{5} X_3] = \frac{1}{5} \mu + \frac{1}{5} \mu + \frac{3}{5} \mu = \left(\frac{1 + 1 + 3}{5}\right)\mu = \frac{5}{5} \mu = \mu$
等于 $\mu$,所以这是 $\mu$ 的无偏估计量。
三、结论
只有选项 (D) 的期望等于 $\mu$,所以它是 $\mu$ 的无偏估计量。
✅ 正确答案是:
$\boxed{(D)}$
解析
本题考察无偏估计量的概念及应用。无偏估计量的定义是:若估计量$\hat{\theta}$满足$\mathbb{E}[\hat{\theta}] = \theta$,则$\hat{\theta}$是$\theta$的无偏估计量。对于正态总体$N(\mu, \sigma^2)$的样本$X_1,X_2,\dots,X_n$,每个样本的期望$\mathbb{E}[X_i] = \mu$,据此计算各选项的期望是否等于$\mu$:
逐项分析:
-
选项A:$X_1 + X_2 + X_3$
$\mathbb{E}[X_1 + X_2 + X_3] = \mathbb{E}[X_1] + \mathbb{E}[X_2] + \mathbb{E}[X_3] = \mu + \mu + \mu = 3\mu \neq \mu$,不是无偏估计量。 -
选项B:$\frac{2}{5}X_1 + \frac{2}{5}X_2 + \frac{2}{5}X_3$
$\mathbb{E}\left[\frac{2}{5}X_1 + \frac{2}{5}X_2 + \frac{2}{5}X_3\right] = \frac{2}{5}\mu + \frac{2}{5}\mu + \frac{2}{5}\mu = \frac{6}{5}\mu \neq \mu$,不是无偏估计量。 -
选项C:$\frac{1}{5}X_1 + \frac{1}{5}X_2 + \frac{1}{5}X_3$
$\mathbb{E}\left[\frac{1}{5}X_1 + \frac{1}{5}X_2 + \frac{1}{5}X_3\right] = \frac{1}{5}\mu + \frac{1}{5}\mu + \frac{1}{5}\mu = \frac{3}{5}\mu \neq \mu$,不是无偏估计量。 -
选项D:$\frac{1}{5}X_1 + \frac{1}{5}X_2 + \frac{3}{5}X_3$
$\mathbb{E}\left[\frac{1}{5}X_1 + \frac{1}{5}X_2 + \frac{3}{5}X_3\right] = \frac{1}{5}\mu + \frac{1}{5}\mu + \frac{3}{5}\mu = \mu$,是无偏估计量。