kaoyan1basic 概率论与数理统计 第5题

教材习题

📝 题目

### 【强化篇】第5题(解答题) 5.设总体 $X$ 的概率密度为

$$ f(x ; \theta)= \begin{cases}1, & \theta-\frac{1}{2} \leqslant x \leqslant \theta+\frac{1}{2}, \\ 0, & \text { 其他, }\end{cases} $$

其中 $-\infty<\theta<+\infty . X_{1}, X_{2}, \cdots, X_{n}$ 为取自总体 $X$ 的简单随机样本,并记

$$ X_{(1)}=\min \left\{X_{1}, X_{2}, \cdots, X_{n}\right\}, X_{(n)}=\max \left\{X_{1}, X_{2}, \cdots, X_{n}\right\} . $$

求参数 $\theta$ 的最大似然估计量 $\hat{\theta}_{L}$ .

💡 答案解析

**答案**:$\displaystyle \hat{\theta}_L = \frac{X_{(1)}+X_{(n)}}{2}$ **解析**:步骤1:总体$\displaystyle X \sim U(\theta-\frac{1}{2}, \theta+\frac{1}{2})$,似然函数$L(\theta)=\prod_{i=1}^n f(x_i;\theta)=1$,当且仅当所有$\displaystyle x_i \in [\theta-\frac{1}{2}, \theta+\frac{1}{2}]$,即$\displaystyle \theta-\frac{1}{2} \le X_{(1)}$且$\displaystyle X_{(n)} \le \theta+\frac{1}{2}$,等价于$\displaystyle X_{(n)}-\frac{1}{2} \le \theta \le X_{(1)}+\frac{1}{2}$。 步骤2:为使似然函数非零,$\theta$需满足上述区间。由于似然函数为常数,任何满足条件的$\theta$都是最大似然估计值。通常取区间中点作为估计量,即$\displaystyle \hat{\theta}_L = \frac{X_{(1)}+X_{(n)}}{2}$。 **难度**:★★☆☆☆

📋 详细解题步骤

步骤 1/2
目标:写出似然函数并确定参数θ的取值范围
总体X服从均匀分布U(θ-1/2, θ+1/2),其概率密度函数为f(x;θ)=1当x∈[θ-1/2, θ+1/2],否则为0。对于样本观测值x1,...,xn,似然函数L(θ)=∏f(xi;θ)=1当且仅当所有xi∈[θ-1/2, θ+1/2],即θ-1/2 ≤ X(1)且X(n) ≤ θ+1/2,等价于X(n)-1/2 ≤ θ ≤ X(1)+1/2。
公式:L(θ)=1, 当 X(n)-1/2 ≤ θ ≤ X(1)+1/2
提示:注意均匀分布的似然函数非零条件由样本的最小值和最大值决定。
步骤 2/2
目标:确定最大似然估计量
由于似然函数在θ的可行区间内为常数1,任何满足条件的θ都是最大似然估计值。通常取区间中点作为估计量,即θ̂_L = (X(1)+X(n))/2。
公式:θ̂_L = (X(1)+X(n))/2
提示:当似然函数为常数时,最大似然估计不唯一,但通常取中点。

📷 拍照上传批改

拍照上传批改功能已预留入口,后续接入图片上传、OCR识别与AI批改。