第 1 章/损失分布与累积损失
课堂实验室
CHAPTER 01 / 1.2

变量变换

从一个随机变量出发,构造新的分布。

复合损失生成
同一取值,同步观察

变换前 XX

密度 fX(x)f_X(x)
原分布

变换后 YY

密度 fY(y)f_Y(y)
新分布
原始取值 xx0.75
映射后的 y=g(x)y=g(x)1.5
Y=aX+b,fY(y)=1afX(y−ba)Y=aX+b,\quad f_Y(y)=\frac1a f_X\left(\frac{y-b}a\right)

变换函数 g(x)g(x)

变换后的取值 yy
取值映射

把推导分成四步

  1. 确定取值范围

    y>0y>0

  2. 求逆函数

    x=(y−b)/ax=(y-b)/a

  3. 写出分布函数

    FY(y)=FX(g−1(y))F_Y(y)=F_X\big(g^{-1}(y)\big)

  4. 乘以 Jacobian 的绝对值

    fY(y)=fX(g−1(y))∣d g−1(y)dy∣f_Y(y)=f_X\big(g^{-1}(y)\big)\left|\dfrac{d\,g^{-1}(y)}{dy}\right|

变换密度不仅是替换横坐标,还需要乘以 Jacobian。区间的伸缩会改变概率密度的高度。
为什么必须乘以 Jacobian?展开阅读

对应区间的概率保持不变:fX(x) dx=fY(y) dyf_X(x)\,dx=f_Y(y)\,dy。当变换把横轴局部拉长时,密度会降低;压缩时,密度会升高。积分面积仍然为 1。

图中只展示主要概率范围,逆变换的右尾和对数变换的左尾会延伸到图外。标线表示当前观察的取值。