2.16设 X 1 , ⋯ , X n X_1,\cdots,X_n X1,⋯,Xn为取自均匀分布 ξ = d U ( θ − 1 2 , θ + 1 2 ) \xi\stackrel{d}{=}U(\theta-\frac{1}{2},\theta+\frac{1}{2}) ξ=dU(θ−21,θ+21)的简单随机样本, θ ∈ R \theta\in R θ∈R。试证明:对任一 λ ∈ [ 0 , 1 ] , \lambda\in[0,1], λ∈[0,1], λ ( X ( 1 ) + 1 2 ) + ( 1 − λ ) ( X ( n ) − 1 2 ) \lambda(X_{(1)}+\frac{1}{2})+(1-\lambda)(X_{(n)}-\frac{1}{2}) λ(X(1)+21)+(1−λ)(X(n)−21)都是 θ \theta θ的最大似然估计量。
参考答案:
设 x 1 , ⋯ , x n x_1,\cdots,x_n x1,⋯,xn是对应 X 1 , ⋯ , X n X_1,\cdots,X_n X1,⋯,Xn的样本值。
总体
ξ
=
d
U
(
θ
−
1
2
,
θ
+
1
2
)
\xi\stackrel{d}{=}U(\theta-\frac{1}{2},\theta+\frac{1}{2})
ξ=dU(θ−21,θ+21)
总体
ξ
\xi
ξ的密度函数为
p
(
x
;
θ
)
=
{
1
,
θ
−
1
2
<
x
<
θ
+
1
2
0
,
o
t
h
e
r
w
i
s
e
.
p(x;\theta)=\left\{\begin{array}{rl} 1,& \theta-\frac{1}{2} < x < \theta+\frac{1}{2} \\ 0,& otherwise. \end{array}\right.
p(x;θ)={1,0,θ−21<x<θ+21otherwise.
似然函数为
L
(
θ
)
=
{
1
,
θ
−
1
2
<
x
i
<
θ
+
1
2
0
,
o
t
h
e
r
w
i
s
e
.
L(\theta)=\left\{\begin{array}{rl}1,&\theta-\frac{1}{2} < x_i < \theta+\frac{1}{2}\\ 0,&otherwise.\end{array}\right.
L(θ)={1,0,θ−21<xi<θ+21otherwise.
(
i
=
1
,
⋯
,
n
)
(i=1,\cdots,n)
(i=1,⋯,n)
由 θ − 1 2 < x i < θ + 1 2 ( i = 1 , ⋯ , n ) \theta-\frac{1}{2}< x_i<\theta+\frac{1}{2}(i=1,\cdots,n) θ−21<xi<θ+21(i=1,⋯,n)
得 θ − 1 2 ≤ x ( 1 ) ≤ x ( n ) ≤ θ + 1 2 \theta-\frac{1}{2}\le x_{(1)}\le x_{(n)}\le\theta+\frac{1}{2} θ−21≤x(1)≤x(n)≤θ+21
即当 x ( n ) − 1 2 ≤ θ ≤ x ( 1 ) + 1 2 x_{(n)}-\frac{1}{2}\le \theta\le x_{(1)}+\frac{1}{2} x(n)−21≤θ≤x(1)+21时 L ( θ ) = 1 , L(\theta)=1, L(θ)=1,
故 θ \theta θ的最大似然估计值不唯一。
任意一个统计量
g
(
X
1
,
⋯
,
X
n
)
g(X_1,\cdots,X_n)
g(X1,⋯,Xn)
若满足
X
(
n
)
−
1
2
≤
g
(
X
1
,
⋯
,
X
n
)
≤
X
(
1
)
+
1
2
X_{(n)}-\frac{1}{2}\le g(X_1,\cdots,X_n)\le X_{(1)}+\frac{1}{2}
X(n)−21≤g(X1,⋯,Xn)≤X(1)+21都可以作为的最大似然估计量。
而
g
(
X
1
,
⋯
,
X
n
)
=
λ
(
X
(
1
)
+
1
2
)
+
(
1
−
λ
)
(
X
(
n
)
−
1
2
)
∀
λ
∈
[
0
,
1
]
\begin{aligned}g(X_1,\cdots,X_n)&=\lambda(X_{(1)}+\frac{1}{2})\\&+(1-\lambda)(X_{(n)}-\frac{1}{2})\qquad\\&\forall\lambda\in[0,1]\end{aligned}
g(X1,⋯,Xn)=λ(X(1)+21)+(1−λ)(X(n)−21)∀λ∈[0,1]
满足
X
(
n
)
−
1
2
≤
g
(
X
1
,
⋯
,
X
n
)
≤
X
(
1
)
+
1
2
X_{(n)}-\frac{1}{2}\le g(X_1,\cdots,X_n)\le X_{(1)}+\frac{1}{2}
X(n)−21≤g(X1,⋯,Xn)≤X(1)+21
所以,对任一
λ
∈
[
0
,
1
]
,
\lambda\in[0,1],
λ∈[0,1],
λ
(
X
(
1
)
+
1
2
)
+
(
1
−
λ
)
(
X
(
n
)
−
1
2
)
\lambda(X_{(1)}+\frac{1}{2})+(1-\lambda)(X_{(n)}-\frac{1}{2})
λ(X(1)+21)+(1−λ)(X(n)−21)都是
θ
\theta
θ的最大似然估计量。
2.17从某批产品中有放回地随机抽取 n n n件进行检验,其中有 k k k件不合格品。试求该批产品中合格品与不合格品之比 R R R的最大似然估计量。
参考答案:
设这批产品中合格品的件数为 a a a,不合格品的件数为 b b b,
从而 a = R b a=Rb a=Rb,不合格率为 p = b a + b = b R b + b = 1 1 + R . p=\frac{b}{a+b}=\frac{b}{Rb+b}=\frac{1}{1+R}. p=a+bb=Rb+bb=1+R1.设 X X X是随意抽取的 n n n件产品中不合格品的件数,则 X X X服从参数为 p p p的0-1分布.
对于来自总体 X X X的简单随机样本 X 1 , ⋯ , X n , X_1,\cdots,X_n, X1,⋯,Xn,记 N = X 1 + ⋯ + X n N=X_1+\cdots+X_n N=X1+⋯+Xn
则R的似然函数为
L
(
R
)
=
p
N
(
1
−
p
)
n
−
N
=
(
1
1
+
R
)
N
(
R
1
+
R
)
n
−
N
=
R
n
−
N
(
1
+
R
)
n
\begin{aligned}L(R)&=p^N(1-p)^{n-N}\\&=(\frac{1}{1+R})^N(\frac{R}{1+R})^{n-N}\\&=\frac{R^{n-N}}{(1+R)^n}\end{aligned}
L(R)=pN(1−p)n−N=(1+R1)N(1+RR)n−N=(1+R)nRn−N
对数似然函数为
l
(
R
)
=
ln
L
(
R
)
=
(
n
−
N
)
ln
R
−
n
ln
(
1
+
R
)
.
\begin{aligned}l(R)&=\ln L(R)\\&=(n-N)\ln R-n\ln(1+ R).\end{aligned}
l(R)=lnL(R)=(n−N)lnR−nln(1+R).
令
d
l
(
R
)
d
R
=
n
−
N
R
−
n
1
+
R
=
0.
\frac{dl(R)}{dR}=\frac{n-N}{R}-\frac{n}{1+R}=0.
dRdl(R)=Rn−N−1+Rn=0.
由条件知
N
=
X
1
+
⋯
+
X
n
=
k
,
N=X_1+\cdots+X_n=k,
N=X1+⋯+Xn=k,
于是似然方程的唯一解 R = n − k k . R=\frac{n-k}{k}. R=kn−k.
故 R R R的最大似然估计量为 R ^ = n − k k 。 \widehat{R}=\frac{n-k}{k}。 R =kn−k。
如果您在看完以后,无论是题目还是参考解答过程有什么问题,希望不吝指出!如果有更好的解题思路或者好的问题分享,欢迎通过后台发送给我们!