{
  "id": "scale-invariance",
  "title": "尺度不变性",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "尺度不变性是指尺度变化时数学结构或统计行为保持不变的性质，通常伴随补偿性的幂律缩放。",
  "category": "mathematics",
  "subcategory": "analysis",
  "type": "concept",
  "aliases": [
    "标度不变性",
    "缩放不变性"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/scale-invariance/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/scale-invariance/",
      "json": "https://aiwiki.page/en/scale-invariance.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "尺度不变性是指在大小、分辨率或其他乘性尺度发生变化时所具有的对称性。如果对一个对象、方程或统计规律的自变量进行缩放后，其基本结构保持不变，或在对其取值也作相应缩放后保持不变，就称其具有尺度不变性。几何图案可能在放大后重现自身，物理可观测量可能遵循幂律，随机过程也可能在时间与幅度同时缩放后保持相同的概率规律。这些表述体现了彼此相关、但在数学上有所区别的尺度变换形式。\n\n这一概念将数学、物理学和统计学联系起来，因为它揭示了一类情形：所考察的行为并不由某个单一尺度支配。在许多应用中，严格的尺度不变性是一种理想化：原子间距、系统大小、测量分辨率或特征时间终究会使尺度不变性失效。尽管如此，在某个中间尺度范围内成立的近似不变性，仍能决定可观测的指数、约束方程，并解释为何差异甚大的系统会呈现相似的大尺度行为。\n\n严谨的讨论必须明确：变换的对象是什么，哪些量保持固定，以及“不变”的确切含义。严格意义上的不变性、相差一个乘性因子的不变性、分布不变性和粗粒化后的不变性，不能混为一谈。它们之间的关系，为从分形几何、扩散到临界现象和统计推断等领域的应用奠定了数学基础。"
    },
    {
      "heading": "伸缩变换、齐次性与数学对称性",
      "text": "欧几里得空间中以原点为中心的伸缩变换是映射 \\(D_\\lambda:x\\mapsto\\lambda x\\)，其中 \\(\\lambda>0\\)。这些映射满足 \\(D_\\lambda D_\\mu=D_{\\lambda\\mu}\\)，构成正实数乘法群的一个群作用。选取不同的中心会改变变换，但不会改变其基本的缩放性质。如果对于每个正数 \\(\\lambda\\)，都有 \\(D_\\lambda A=A\\)，那么子集 \\(A\\) 在所有这类伸缩变换下保持不变。以原点为顶点的锥体就是简单的例子；半径固定且为正的球面则不是，因为其半径给出了一个特定的长度尺度。\n\n对于函数，严格的不变性条件是 \\(f(\\lambda x)=f(x)\\)。更常见的缩放关系是\n\n\\[f(\\lambda x)=\\lambda^\\alpha f(x),\\]\n\n其中 \\(\\alpha\\) 是齐次次数。这样的函数称为齐次函数。严格不变性是 \\(\\alpha=0\\) 的特殊情形。函数值本身不必保持不变；保持不变的是函数的定义关系，而这需要对输入和输出同时进行变换。对于多元函数，齐次函数可以具有任意的角向依赖关系。例如，\\(f(x)=\\|x\\|^\\alpha g(x/\\|x\\|)\\) 在其定义域内是齐次的，因此齐次性并不意味着旋转对称性。\n\n如果 \\(f\\) 在一个伸缩不变的定义域上可微，将其缩放关系对 \\(\\lambda\\) 求导，并令 \\(\\lambda=1\\)，便得到欧拉恒等式：\n\n\\[\\sum_{i=1}^{n}x_i\\frac{\\partial f}{\\partial x_i}=\\alpha f.\\]\n\n反过来，这个微分恒等式也意味着函数沿定义域内的射线具有齐次性。由梯度构成的算子 \\(x\\cdot\\nabla\\) 是伸缩变换的无穷小生成元。用 \\(e^s\\) 替换 \\(\\lambda\\)，就能把乘法形式的尺度变化转化为参数 \\(s\\) 的平移，从而将伸缩对称性与李群的理论工具联系起来。\n\n更一般的缩放变换会为不同坐标赋予不同的权重：\n\n\\[x_i\\mapsto\\lambda^{a_i}x_i,\\qquad f\\mapsto\\lambda^b f.\\]\n\n这类变换称为各向异性伸缩变换或加权伸缩变换。例如，空间与时间的缩放指数不必相同。相应的恒等式变为 \\(\\sum_i a_i x_i\\partial_i f=bf\\)。这类变换对演化方程至关重要：与某个空间长度对应的时间可能正比于该长度的平方，而非一次方。\n\n仅有量纲一致性，比尺度对称性的要求更弱。从米换算为厘米，只会改变数值表示，并不会改变物理情形。相比之下，物理上的伸缩变换比较的是尺度不同的构型，同时还须明确如何处理参数和边界条件。一个方程即使量纲正确，也可能含有某个固定长度，因而不具备尺度不变性。"
    },
    {
      "heading": "幂律、特征尺度与渐近标度",
      "text": "幂律是连续缩放关系的基本标量解。设定义在 \\(x>0\\) 上的一个非零正函数对任意正数 \\(x\\) 和 \\(\\lambda\\) 都满足\n\n\\[f(\\lambda x)=g(\\lambda)f(x)\\]\n\n将两次缩放复合，可得 \\(g(\\lambda\\mu)=g(\\lambda)g(\\mu)\\)。在连续性或可测性等通常的正则性假设下，这个乘法型函数方程给出 \\(g(\\lambda)=\\lambda^\\alpha\\)，从而有 \\(f(x)=Cx^\\alpha\\)。正则性条件很重要，因为不加限制的函数方程可能存在病态解。\n\n在对数坐标下，上述关系变为\n\n\\[\\log f(x)=\\log C+\\alpha\\log x.\\]\n\n因此，双对数图上的直线与幂律关系相符，其斜率为 \\(\\alpha\\)。相比之下，指数函数 \\(e^{-x/\\ell}\\) 包含一个特征尺度 \\(\\ell\\)：将 \\(x\\) 乘以一个因子会改变函数的形状，而这种改变无法被一个与 \\(x\\) 无关的振幅因子吸收。幂律在其定义域内没有类似的过渡尺度，不过其系数可以带有物理量纲。\n\n精确的标度关系常被正则变化所取代，后者仅要求对每个固定的 \\(\\lambda>0\\)，都有\n\n\\[\\lim_{x\\to\\infty}\\frac{f(\\lambda x)}{f(x)}=\\lambda^\\alpha\\]\n\n这类函数可以写成 \\(f(x)=x^\\alpha L(x)\\)，其中 \\(L\\) 是慢变函数，即 \\(L(\\lambda x)/L(x)\\to1\\)。在适当的定义域上，\\((\\log x)^\\beta\\) 之类的因子会修正纯幂律，却不改变其渐近标度指数。这一区别对于概率分布的尾部以及带有对数修正的物理理论十分重要。\n\n标度关系也可以涉及多个变量。一种常见形式为\n\n\\[F(x,t)=t^{-\\alpha}\\Phi(x/t^\\beta),\\]\n\n其中，标度函数 \\(\\Phi\\) 包含无法仅由指数确定的信息。将横坐标除以 \\(t^\\beta\\)，并将纵坐标乘以 \\(t^\\alpha\\) 后，不同时刻测得的曲线会重合为一条曲线。这种“数据塌缩”所检验的命题，比为每条曲线分别拟合幂律更强。\n\n一个指数并不能唯一确定其背后的机制。乘法增长、聚集、临界涨落以及不同特征尺度的混合，都可能产生外观相似的尾部。此外，仅在 \\(x\\geq x_{\\min}\\) 时成立的幂律并不具有全局不变性，因为这一截断值标定了一个尺度。将其称为无标度，通常意味着在远高于截断值的范围内，或在指定的标度区间内，函数值之间的比值遵循近似齐次的规律。明确给出这一区间，是数学与实证论断的一部分。"
    },
    {
      "heading": "几何自相似性与分形",
      "text": "几何上的自相似性关注的是整个对象与其局部经缩放后所得副本之间的关系。它与尺度不变性密切相关，但并不等同于在以某个固定点为中心的任意伸缩变换下都保持不变。有界集合不可能与其所有均匀放大的副本都相等。实际上，许多常见的分形是将收缩与平移或旋转相结合的构造过程的不动点。它们的尺度关系体现在较小的部分如何再现整体。\n\n例如，三分康托尔集由自身的两个副本组成，每个副本都缩小至原来的 \\(1/3\\)，分别置于单位区间的两端。对于由 \\(N\\) 个互不重叠、尺度相同且收缩比为 \\(r\\) 的部分组成的自相似构造，其相似维数满足\n\n\\[Nr^D=1,\\qquad D=\\frac{\\log N}{\\log(1/r)}.\\]\n\n因此，康托尔集的维数为 \\(\\log2/\\log3\\)。赫尔格·冯·科赫于1904年提出的科赫曲线由四个尺度为 \\(1/3\\) 的部分构成，其维数为 \\(\\log4/\\log3\\)。这些相似维数要与豪斯多夫维数一致，还需要满足适当的分离条件。\n\n这些例子呈现的是离散而非连续的尺度变换。若某个关系只要求在指定的尺度因子 \\(\\lambda_0>1\\) 下成立，\n\n\\[f(\\lambda_0x)=\\lambda_0^\\alpha f(x),\\]\n\n则允许存在如下形式的解：\n\n\\[f(x)=x^\\alpha P\\!\\left(\\frac{\\log x}{\\log\\lambda_0}\\right),\\]\n\n其中 \\(P\\) 的周期为一。这个周期因子会在对数坐标下产生振荡。在适当的假设下，连续尺度不变性要求该因子为常数，而离散尺度不变性则允许它保留有关指定放大比率的信息。\n\n另一种关系称为自仿射性，它允许不同方向以不同的比率缩放。一个粗糙的函数图像在变换 \\((x,y)\\mapsto(\\lambda x,\\lambda^H y)\\) 下，可能在统计意义上保持形态不变。除非 \\(H=1\\)，否则这并不是通常的几何相似。自仿射性适合用来描述表面粗糙度和随机过程的样本路径，因为在这些情形中，水平间距与竖直起伏具有不同的标度维数。\n\n自然物体通常表现出的是统计意义上的重复，而非精确的几何重复。海岸线悖论讨论的是海岸线的测量长度对测量尺度的依赖；它并不意味着实际海岸具有尺度范围无限的精确分形结构。地质颗粒的大小、侵蚀过程以及海岸本身的有限范围，都会限制尺度关系成立的范围。伯努瓦·曼德尔布罗的工作，包括他于1967年对海岸线长度的研究，以及于1975年引入“分形”一词，推动了尺度关系成为不规则几何形态的一种定量描述，而不是声称在任何放大倍数下都会出现一模一样的重复。"
    },
    {
      "heading": "随机过程与分布不变性",
      "text": "对于随机过程，缩放通常针对的是概率律，而非完全相同的具体实现。如果过程 \\(X(t)\\) 对任意 \\(c>0\\) 都满足\n\n\\[\\{X(ct):t\\geq0\\}\\overset{d}{=}\\{c^H X(t):t\\geq0\\}\\]\n\n则称其具有指数为 \\(H\\) 的自相似性，其中的相等是指所有有限维分布均相等。某一条具体的样本路径在放大后不一定重现自身。这一表述的含义是：对时间进行缩放后所作的测量，在幅度得到相应补偿后，具有相同的联合概率分布。\n\n标准布朗运动，即维纳过程，具有指数 \\(H=1/2\\)：\n\n\\[B(ct)\\overset{d}{=}\\sqrt{c}\\,B(t).\\]\n\n其协方差为 \\(\\mathbb E[B(s)B(t)]=\\min(s,t)\\)，当两个时间都乘以 \\(c\\) 时，协方差变为 \\(c\\min(s,t)\\)。这一协方差恒等式与均值为零的高斯分布性质共同确立了上述缩放关系。因此，布朗运动的位移按所经过时间的平方根量级增长，而不是线性增长。微观的随机游走在扩散缩放下趋近于这种连续行为，相应的收敛性由泛函极限定理描述。\n\n分数布朗运动推广了这一高斯过程的例子。对于 \\(0<H<1\\)，其协方差为\n\n\\[\\mathbb E[B_H(t)B_H(s)] =\\frac12\\left(t^{2H}+s^{2H}-|t-s|^{2H}\\right).\\]\n\n它具有自相似性和平稳增量。当 \\(H=1/2\\) 时，它退化为布朗运动；取其他值时，不相交区间上的增量通常具有相关性。曼德尔布罗特与约翰·范内斯于1968年提出的表述，使这一过程成为研究具有相关涨落的标度行为的重要模型。不过，仅有自相似性并不意味着过程具有上述协方差，甚至也不意味着它是高斯过程。\n\n另一类过程源于稳定分布，其定义性质是：将独立同分布的随机变量相加后，经适当缩放并可能作中心化处理，所得分布的形式保持不变。对于指数为 \\(\\alpha\\) 的严格稳定分布，\\(n\\) 个独立同分布随机变量之和的缩放因子为 \\(n^{1/\\alpha}\\)。相应的严格稳定莱维过程具有自相似指数 \\(1/\\alpha\\)。正态分布对应于 \\(\\alpha=2\\) 的情形；其他稳定分布的尾部通常要厚重得多。\n\n在 \\((0,\\infty)\\) 上，不存在对任意乘法变换 \\(X\\mapsto cX\\) 都保持不变的非退化概率律。对于固定的 \\(a>1\\)，各区间 \\([a^k,a^{k+1})\\) 将具有相等的概率，从而无法满足归一化条件。测度 \\(dx/x\\) 具有伸缩不变性，但其总质量无穷大。同样，帕累托分布存在一个下截断值：其尾部呈现缩放关系，但整个分布并不在任意乘法变换下保持不变。明确这些区别，可以避免让“尺度不变分布”这一非正式说法掩盖归一化和支撑集方面的问题。"
    },
    {
      "heading": "微分方程的缩放对称性",
      "text": "缩放可以揭示将一个解映射为另一个解的变换，从而帮助梳理微分方程。对于扩散系数 \\(\\kappa\\) 固定的热方程\n\n\\[\\partial_t u=\\kappa\\Delta u,\\]\n\n只要 \\(u(x,t)\\) 是其解，函数 \\(u(\\lambda x,\\lambda^2t)\\) 就也是同一方程的解。由于该方程是线性齐次的，将一个解乘以常数后仍然是解。相对缩放关系 \\(t\\sim x^2\\) 表达了扩散过程中长度与时间之间的特征关系。\n\n对于在 \\(d\\) 维空间中表示物质总量固定的解，适用的变换为\n\n\\[u_\\lambda(x,t)=\\lambda^d u(\\lambda x,\\lambda^2t).\\]\n\n因子 \\(\\lambda^d\\) 使空间积分保持不变。相应的自相似解具有如下形式：\n\n\\[u(x,t)=t^{-d/2}\\Phi(x/\\sqrt t).\\]\n\n基本解为\n\n\\[G(x,t)=(4\\pi\\kappa t)^{-d/2} \\exp\\!\\left(-\\frac{|x|^2}{4\\kappa t}\\right),\\qquad t>0.\\]\n\n其宽度按 \\(\\sqrt t\\) 增长，而高度则随之降低，以保持总质量不变。虽然它的空间分布呈高斯形而非幂律形式，但完整的时空解满足精确的缩放关系。\n\n其他方程对应不同的缩放权重。波速固定的波动方程与变换 \\(x\\mapsto\\lambda x\\)、\\(t\\mapsto\\lambda t\\) 相容。在适当的无界区域上，黏性不可压缩纳维–斯托克斯方程允许如下变换：\n\n\\[u_\\lambda(x,t)=\\lambda u(\\lambda x,\\lambda^2t),\\qquad p_\\lambda(x,t)=\\lambda^2p(\\lambda x,\\lambda^2t)\\]\n\n其中黏度保持不变。此时，速度方程中的每一项都变为原来的 \\(\\lambda^3\\) 倍。尽管一般三维解的长时间正则性问题尚未解决，这一代数对称性仍然成立。\n\n缩放还可用于确定临界函数空间。在纳维–斯托克斯变换下，\n\n\\[\\|u_\\lambda(\\cdot,t)\\|_{L^p(\\mathbb R^d)} =\\lambda^{1-d/p} \\|u(\\cdot,\\lambda^2t)\\|_{L^p(\\mathbb R^d)}.\\]\n\n因此，空间 \\(L^d\\) 范数保持不变。具有这一性质的范数称为缩放临界范数。临界性表明哪些估计与方程的自然缩放相平衡；它本身并不能确立解的存在性、唯一性或正则性。非线性波动方程、薛定谔方程和扩散方程中也有类似的分类。\n\n最后，方程的对称性不一定是某个具体问题的对称性。固定的容器、给定的外力波长或初始分布都可能引入一个特定尺度。因此，一个边值问题可能并不具有其微分算子的伸缩对称性。当边界条件和初始条件与缩放相容，或解在逐渐失去对初始条件细节的敏感性后渐近趋于某种缩放形式时，自相似解尤为有用。"
    },
    {
      "heading": "临界现象与重整化",
      "text": "在统计物理学中，尺度不变性出现在连续相变附近，此时涨落遍及很宽的长度尺度范围。一个核心物理量是关联长度 \\(\\xi\\)，它衡量涨落之间保持显著关联的距离。定义约化温度 \\(\\tau=(T-T_c)/T_c\\)，许多系统在 \\(\\tau\\to0\\) 时满足\n\n\\[\\xi\\sim|\\tau|^{-\\nu}\\]\n\n其中指数 \\(\\nu\\) 是一个临界指数。在无限大系统的极限下，\\(\\xi\\) 的形式发散意味着系统不再具有特征性的长程长度尺度。\n\n在临界点处，序参量场的连通关联函数通常具有如下形式：\n\n\\[G(r)\\sim r^{-(d-2+\\eta)}.\\]\n\n这里，\\(d\\) 是空间维数，\\(\\eta\\) 是另一个临界指数。偏离相变点时，关联通常在超过与 \\(\\xi\\) 相当的距离后转为更快的衰减。因此，尺度不变性的论断针对的是临界点，或远小于 \\(\\xi\\) 但远大于微观间距的一段距离范围，而不是材料的所有状态。\n\n重整化群通过粗粒化和尺度重标定来解释这种行为：先将短程自由度平均掉，再对剩余的长度进行重标定，最后将得到的有效描述与原来的描述进行比较。肯尼斯·威尔逊在20世纪70年代初的工作使这一框架成为临界现象的定量理论。这一框架发展了此前的一些思想，其中包括利奥·卡达诺夫于1966年提出的块自旋图像，即用有效的较大尺度变量来表示一组组微观自旋。\n\n重整化变换的一个不动点代表一种不依赖尺度的有效理论。其附近的扰动可分为相关方向、无关方向和边缘方向：相关方向的扰动在粗粒化过程中增大，无关方向的扰动缩小，而边缘方向则需要进一步分析。若长度按因子 \\(b\\) 重标定时，热扰动按因子 \\(b^{y_t}\\) 变换，则有 \\(\\nu=1/y_t\\)。因此，可观测的临界指数与不动点附近线性化变换的特征值相关。\n\n微观上不同的系统可以趋近同一个不动点，并属于同一个普适类。空间维数、序参量的对称性以及相互作用的作用范围，是决定普适类的重要因素。普适性并不意味着所有可测量的量都相同：振幅和微观尺度通常各不相同。有限样品的尺寸 \\(L\\) 也会限制 \\(\\xi\\)，从而产生包含 \\(L/\\xi\\) 等比值的有限尺寸标度形式。在无法获得真正无限大系统的数值模拟中，这些形式使尺度不变性可以得到实际应用。"
    },
    {
      "heading": "场论中的尺度对称性及其与共形对称性的关系",
      "text": "在经典场论中，尺度对称性同时作用于坐标和场。在一种常用的主动变换约定下，标度维数为 \\(\\Delta\\) 的标量场按如下方式变换：\n\n\\[\\phi_\\lambda(x)=\\lambda^\\Delta\\phi(\\lambda x).\\]\n\n对于 \\(d\\) 维时空中的自由无质量标量场理论，当 \\(\\Delta=(d-2)/2\\) 时，动能作用量保持不变。变量替换后，积分测度贡献因子 \\(\\lambda^{-d}\\)，而两个场的导数合起来贡献因子 \\(\\lambda^{2\\Delta+2}\\)。在质量参数保持固定时，通常的质量项会破坏这一对称性。\n\n量子理论还引入了另一个问题：标度维数未必等于其经典值。相互作用可以产生反常维数，因此场的完整标度维数写作 \\(\\Delta=\\Delta_{\\mathrm{classical}}+\\gamma\\)。在尺度不变的不动点处，各向同性欧几里得空间中的标量两点关联函数具有如下形式：\n\n\\[\\langle O(x)O(0)\\rangle\\propto |x|^{-2\\Delta},\\]\n\n前提是该算符按确定的标度维数变换，且所考虑的态保持这一对称性。此时，标度行为体现于关联函数，而非单个场构型之中。\n\n共形对称性是更强的对称性。它在局部保持角度不变，包括平移、旋转、伸缩和特殊共形变换。在二维情形下，它与复分析的联系尤为丰富，而共形场论则为许多临界系统提供了精确描述。每一种共形不变的理论都具有伸缩对称性，但其逆命题并非仅凭定义就能成立。从尺度对称性增强为共形对称性的相关结论，取决于维数、局域性、幺正性以及谱性质等假设。\n\n能量—动量张量体现了这一区别。守恒的伸缩流可以具有如下形式：\n\n\\[D^\\mu=x_\\nu T^{\\mu\\nu}-V^\\mu,\\]\n\n其中，\\(V^\\mu\\) 是维里流。守恒性意味着 \\(T^\\mu{}_\\mu=\\partial_\\mu V^\\mu\\)。在通常的相对论框架下，如果通过允许的改进能使能量—动量张量无迹，就可以由此得到共形不变性。非平凡的维里流是可能的阻碍之一，因此，仅仅观察到幂律形式的关联函数，并不足以确立完整的共形对称性。\n\n经典尺度对称性也可能在量子化后失效，这一现象称为尺度反常。重整化后的耦合常数可能依赖于参考尺度 \\(\\mu\\)，其变化由贝塔函数描述，即 \\(\\beta(g)=\\mu\\,dg/d\\mu\\)。非零的贝塔函数通常表明，理论并未处于尺度不变的不动点。量子色动力学是量纲嬗变的一个重要例子：随尺度变化的无量纲耦合常数与一个由动力学生成的能量尺度相联系。即使是共形理论，在弯曲背景下也可能存在迹反常，因此，必须区分平直空间中的标度性质与涉及任意背景几何的论断。"
    },
    {
      "heading": "统计方法、无量纲量与尺度参数",
      "text": "在统计学中，“尺度不变性”往往关注的是统计方法如何响应计量单位的变化，而不是其背后的分布是否具有无尺度性。如果将观测值乘以 \\(c>0\\)，通常希望位置估计量按 \\(T(cx_1,\\ldots,cx_n)=cT(x_1,\\ldots,x_n)\\) 的方式变化。这是尺度等变性，而非严格意义上的不变性。相比之下，无量纲度量则可能保持不变。区分不变性与等变性，就是明确输出应当不受这种变换影响，还是应当以某种确定的方式随之变化。\n\n样本均值和标准差具有尺度等变性，而方差则随缩放因子的平方变化。变异系数，即标准差与均值之比，在有定义的情况下，在正比例缩放后保持不变。但它在加上常数后并不保持不变，因此，当测量标度的零点可以任意选取时，这一点就十分重要。同样的问题也使绝对温度之比与摄氏温度读数之比有所区别。在某一变换群下具有不变性，并不意味着在另一变换群下也有意义。\n\n皮尔逊相关关系系数在两个变量分别进行正比例缩放和平移后保持不变；如果仅将其中一个变量乘以负常数，其符号就会反转。同样，统计量\n\n\\[t=\\frac{\\bar x-\\mu_0}{s/\\sqrt n}\\]\n\n在观测值与原假设均值同时乘以同一个正常数后保持不变。这种对计量单位的不变性有助于解释，为什么无论长度以米还是厘米记录，统计检验都能得到相同结果。但它并不保证统计检验在非线性变换后，或在改变所建模的变量后仍保持不变。\n\n尺度参数在贝叶斯推断中也带来了相关问题。正尺度参数 \\(\\sigma\\) 按 \\(\\sigma\\mapsto c\\sigma\\) 变换。测度 \\(d\\sigma/\\sigma\\) 在此变换下保持不变，由此得到先验密度 \\(\\pi(\\sigma)\\propto1/\\sigma\\)。它在 \\(\\log\\sigma\\) 上是均匀的，但在 \\((0,\\infty)\\) 上是非正常先验。由费希尔信息构造的杰弗里斯先验，对于许多正则的单参数尺度族都具有这一形式。然而，在多参数模型中，杰弗里斯先验与群不变先验未必一致，而后验分布是否正常则需要另行分析。\n\n物理模型和统计模型也利用量纲分析来构造不变的组合。白金汉 \\Pi 定理指出，在满足其标准独立性假设的条件下，如果涉及 \\(n\\) 个量的量纲齐次关系所对应的量纲矩阵的秩为 \\(r\\)，那么该关系就可以用 \\(n-r\\) 个独立的无量纲数组来表示。例如，雷诺数 \\(UL/\\nu\\) 用于比较流体流动中的惯性效应与黏性效应。使这类无量纲数相匹配，有助于建立模型实验与更大尺度系统之间的相似性，但仍须匹配所有相关的边界条件和无量纲参数。"
    },
    {
      "heading": "实证检验与计算应用",
      "text": "检验尺度不变性，需要明确所考察的变换和可观测量。对于正随机变量，幂律概率密度 \\(p(x)\\propto x^{-\\alpha}\\) 与幂律生存函数的指数并不相同：当 \\(\\alpha>1\\) 时，后者按 \\(x^{-(\\alpha-1)}\\) 缩放。混淆这两种表示方式，会使报告的指数相差一。因此，在解读秩图、分箱直方图和累积图时，必须考虑各自的构造方式，不能一概套用相同的斜率公式。\n\n对数坐标上的一段直线并不是确凿证据。对数正态分布、拉伸指数分布和截断幂律分布，在有限区间内都可能看起来像纯幂律分布。统计分析通常会估计下截断值，用最大似然估计拟合尾部，评估拟合优度，并与其他合理的候选分布进行比较。阿伦·克劳塞特、科斯马·沙利齐和 M. E. J. 纽曼在 2009 年发表的方法论研究，推动了这一流程在实证幂律研究中的规范化。即使尾部拟合在统计上足够好，也无法据此唯一确定其生成过程。\n\n对于空间场和时间序列，测量可能涉及相关性、增量矩或功率谱密度。例如，关系式\n\n\\[\\mathbb E\\!\\left[|X(t+\\tau)-X(t)|^q\\right]\\propto\\tau^{\\zeta(q)}\\]\n\n描述了涨落矩的标度规律。对于具有平稳增量且相关矩有限的自相似过程，有 \\(\\zeta(q)=qH\\)。\\(\\zeta(q)\\) 对 \\(q\\) 的非线性依赖与多重分形行为有关。记录长度有限、趋势、数据之间的依赖性以及矩的发散，都可能使估计变得复杂，因此不同诊断方法得出的指数未必可以互换使用。\n\n在湍流中，人们在能量注入尺度与黏性耗散尺度之间的惯性区间内寻找标度规律。柯尔莫哥洛夫的 1941 年理论预言能谱为\n\n\\[E(k)=C_K\\varepsilon^{2/3}k^{-5/3},\\]\n\n其中，\\(k\\) 为波数，\\(\\varepsilon\\) 为单位质量的平均能量耗散率。这是在特定假设下对中间尺度区间作出的预言，并不意味着整个流动具有精确的不变性。间歇性，即强烈涨落的不均匀出现，会导致实际行为明显偏离简单的标度预言，尤其是在高阶统计量方面。\n\n计算系统可以主动构建不变性，而不只是发现不变性。在计算机视觉中，戴维·洛于 1999 年提出、并在 2004 年的详细论述中进一步发展的尺度不变特征变换，会在图像尺度空间中检测特征尺度，并对局部描述子进行归一化。其目标是在观察尺度发生变化时仍能识别相互对应的图像特征，而不是断言图像本身是一个无标度对象。在机器学习中，尺度数据增强、归一化表示和等变架构也以类似方式将选定的变换行为编码到模型中。它们的性能取决于采样、分辨率以及模型所涵盖的变换；对所有正尺度都成立的数学不变性，通常比有限计算实现所能达到的鲁棒性要求更强。"
    }
  ],
  "links": [
    "power-law",
    "mathematics",
    "physics",
    "statistics",
    "euclidean-space",
    "group-action",
    "mathematical-function",
    "gradient",
    "lie-group",
    "exponential-function",
    "fractal",
    "cantor-set",
    "hausdorff-dimension",
    "coastline-paradox",
    "stochastic-process",
    "wiener-process",
    "random-walk",
    "differential-equation",
    "heat-equation",
    "integral",
    "wave-equation",
    "navier-stokes-equations",
    "boundary-value-problem",
    "phase-transition",
    "critical-exponent",
    "renormalization-group",
    "fixed-point",
    "universality-class",
    "complex-analysis",
    "sample-mean",
    "standard-deviation",
    "variance",
    "correlation",
    "bayesian-inference",
    "fisher-information",
    "maximum-likelihood-estimation",
    "time-series",
    "turbulence",
    "machine-learning"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}