当我们有一个概率密度为和一个可微的函数并且可以求解时,变量公式的变化导致我们得到一个密度对于给出
其中被称为(据我所知,即使在单变量情况下)变换的雅可比行列式(如Zill & Wright, p. 792)。一般来说,这显然是雅可比矩阵的行列式。但我一直不明白为什么它以绝对值输入?我在某处读到,这是因为可能有一个负导数,而概率被限制为正数,但这听起来更像是事后证明而不是数学结果。有没有办法得出这个事实?
当我们有一个概率密度为和一个可微的函数并且可以求解时,变量公式的变化导致我们得到一个密度对于给出
其中被称为(据我所知,即使在单变量情况下)变换的雅可比行列式(如Zill & Wright, p. 792)。一般来说,这显然是雅可比矩阵的行列式。但我一直不明白为什么它以绝对值输入?我在某处读到,这是因为可能有一个负导数,而概率被限制为正数,但这听起来更像是事后证明而不是数学结果。有没有办法得出这个事实?
对于一个具体的例子,除了@whuber 的建议,让, 和; 和,即支持。然后,将在范围内. 另外,我们有.
通常,您会采用积分从至,同时使用公式。然而,它实际上来自至, 自从和方向不同,即
使用绝对值消除了考虑反方向(即负方向)的需要和这反映在负导数上)。