Box-Cox逆变换的偏差调整：是否存在返回校正偏差后均值的函数

你观察到的scipy.special.inv_boxcox()返回结果为中位数、低于真实均值的偏差问题确实存在：该函数直接对变换后的点估计值做逆变换，默认没有考虑变换后数据分布的方差，对应原尺度的统计量为中位数。

现成可用的无偏均值计算函数 #

scipy已经内置了专门解决该问题的函数：scipy.stats.boxcox_normmean()，可以直接输出修正偏差后的原尺度均值，无需自行实现校正逻辑。

调用示例 #

from scipy.stats import boxcox_normmean
from scipy.special import inv_boxcox

# 输入参数
transformed_mu = 1.2  # Box-Cox变换后数据的正态分布均值
transformed_sigma = 0.5  # Box-Cox变换后数据的正态分布标准差
lmbda = 0.2  # 原始Box-Cox变换使用的lambda参数

# 直接逆变换得到的中位数
median = inv_boxcox(transformed_mu, lmbda)
# 修正偏差得到的无偏均值
unbiased_mean = boxcox_normmean(transformed_mu, lmbda, sigma=transformed_sigma)

自定义校正逻辑 #

如果你需要自行实现偏差校正，可以参考以下统计公式：
假设Box-Cox变换后的数据服从均值为μ、标准差为σ的正态分布：

• 当λ=0（即变换为对数变换）时，原尺度均值为 exp(μ + σ²/2)
• 当λ≠0时，原尺度均值为 (1 + λμ)^{1/λ} * exp(σ²*(1-λ)/(2λ²(1+λμ)²))

内容的提问来源于stack exchange，提问作者Yupe Chen