答案: (1)
fT(t)={θne−nt/θ,0,t>0,t≤0,a=n,D(θ)=θ2.
(2)令 S=∑i=1kti+(n−k)tk。当 S>0 时,最大似然估计值为
θ=ki=1∑kti+(n−k)tk.
若 S=0,则在参数范围 θ>0 内不存在最大似然估计值。
解题思路: 首个失效时间是各元件寿命的最小值,但只知道各元件寿命的边缘分布,不能直接把生存概率相乘。本题第(2)问已经给出同一寿命试验的似然模型;把 k=1 代入,恢复概率密度的归一化因子,就能确定 T 的分布。第二问对给定似然取对数求导,并检查最大点及边界。
详细步骤:
(1)求密度、无偏估计及方差。
设寿命为 X1,…,Xn,则 θ>0,T=min(X1,…,Xn)。均值为 θ 的指数分布的率参数是 1/θ。题目没有单独写出各寿命相互独立,求 T 的分布时需要使用整题中给出的试验模型。
在第(2)问的似然式中取 k=1、t1=t,得到
L(θ;t)=θ1e−nt/θ,t>0.
似然函数以参数 θ 为变量,可以省略与 θ 无关的乘法因子;概率密度却必须对 t 积分为 1。这里
∫0+∞θ1e−nt/θdt=n1,
恢复归一化因子 n,得
fT(t)={θne−nt/θ,0,t>0,t≤0.
这一恢复要求对所有 θ>0 同时成立,而不是只对某个固定参数成立。更严格地,若把省略的因子写成只依赖观测值的 h(t),归一化要求
∫0+∞h(t)e−stdt=sn,s=θn>0.
左侧是 h 的拉普拉斯变换。由该变换的唯一性,且常数函数 h(t)=n 的变换正好为 n/s,可知 h(t)=n 几乎处处成立。因此给定似然模型足以确定上述密度,无需另加寿命独立性条件。
由密度积分可得 FT(t)=1−e−nt/θ(t≥0);t<0 时分布函数为零。密度在单点零处的取值不影响分布。
T 是率参数 n/θ 的指数变量,故 ET=θ/n、DT=θ2/n2。无偏估计要求 E(aT)=θ,所以
anθ=θ⟹a=n.
常数倍的方差要乘常数的平方,因而 D(θ)=D(nT)=n2DT=θ2。
(2)求最大似然估计值。
记 S=∑i=1kti+(n−k)tk。失效元件分别运行到自身的 ti,剩余 n−k 个元件虽然未失效,但都已运行 tk,因此也贡献 (n−k)tk。指数寿命严格为正的概率为 1,通常样本有 S>0;先处理这种情形。
给定似然为 L(θ)=θ−ke−S/θ,对数似然是
ℓ(θ)=−klnθ−θS,θ>0.
求导得
ℓ′(θ)=−θk+θ2S=θ2S−kθ.
分母恒正,0<θ<S/k 时导数为正,θ>S/k 时为负,所以 S/k 是唯一全局最大点。对数严格递增,最大化 ℓ 与最大化 L 等价,得到答案。若 k=n,估计值简化为完整样本均值;若 k=1,简化为 nt1。
题面允许的边界观测 S=0 意味着所有 ti=0。此时 L(θ)=θ−k,当 θ→0+ 时趋于 +∞,所以在 θ>0 内没有最大点,不能把 θ=0 当成合法的最大似然估计值。这一边界观测发生的概率为零。
易错点: 区分均值参数 θ 与率参数 1/θ;只有边缘分布时不能默认各寿命独立,本题要结合给定似然模型;未失效元件的已运行时间不能从似然中省略;S=0 时参数边界不在允许范围内。