你为什么要进行反向转换？这对于回答您的问题至关重要，因为在某些情况下，天真的变换是正确的答案。事实上，我想我会争辩说，如果天真的反向变换不是正确的答案，那么你根本不应该进行反向变换。

我发现反向转换的一般问题非常有问题，并且经常充满混乱的思维。看看你引用的文章，是什么让他们认为反向转换的 CI 没有捕捉到原始均值是一个合理的问题？这是对反向转换值的错误解释。他们认为覆盖范围应该用于在反向转换空间中进行直接分析。然后他们创建了一个反向变换来修复这个错误，而不是他们的解释。

如果您对日志值进行分析，那么您的估计和推论适用于这些日志值。只要您考虑任何反向变换来表示该日志分析在指数空间中的外观，并且仅如此，那么您就可以使用幼稚的方法。事实上，它是准确的。任何变换都是如此。

做他们正在做的事情解决了试图使 CI 变成它不是的东西的问题，即转换值的 CI。这充满了问题。考虑您现在所处的绑定，两个可能的 CI，一个在您进行分析的转换空间中，一个反向转换，对可能的 mu 在另一个空间中的位置做出非常不同的陈述。推荐的反向变换产生的问题多于它解决的问题。

从那篇论文中得到的最好的一点是，当您决定转换数据时，它对您的估计和推断的含义的影响比预期的要深。