En la sección 12.4.1 de Probability Theory: The Logic of Science de E.T. Jaynes, describe la creación de una distribución de probabilidad $p(x|v\sigma) = \phi(x, \nu, \sigma) dx$ que es invariante con la traslación del parámetro de localización $\nu$ por $b$ o reescalado del parámetro de escala $\sigma$ por $a$ .
Es decir, la siguiente ecuación funcional:
$$\phi(x,\nu,\sigma)dx = \phi(x^{'},\nu^{'},\sigma^{'})dx^{'}$$
Se mantiene bajo las transformaciones:
\begin{align} \nu^{'} & = \nu + b \\ \sigma^{'} & = a\sigma \\ x^{'} - \nu^{'} & = a(x - \nu) \end{align}
Para todos $0 < a < \infty$ y $-\infty < b < \infty$ .
Esto produce: $$ \phi(x, \nu, \sigma) = a\phi(a(x-\nu) + \nu + b, \nu + b, a\sigma) $$
Jaynes sugiere diferenciar esta ecuación funcional con respecto a a y b, y presenta la solución como:
$$\phi(x,\nu,\sigma) = \frac{1}{\sigma}h\left(\frac{x - \nu}{\sigma}\right)$$
Para una función arbitraria $h(q)$ . Comprobar que se trata de una solución es fácil, pero no he podido deducirla directamente.
Diferenciando con respecto a a y b, como sugirió Jaynes, se obtienen las siguientes EDP:
\begin{align} 0 &= \phi(x,\nu,\sigma) + (x-\nu)\frac{\partial\phi}{\partial x} + \sigma\frac{\partial\phi}{\partial\sigma} \\ 0 &= \frac{\partial\phi}{\partial x} + \frac{\partial\phi}{\partial \nu} \end{align}
Llegados a este punto, no estaba seguro de cómo proceder e intenté aplicar el método de las características, sin éxito. Sospecho que éste no es el enfoque correcto, ya que no veo cómo podría introducir la función arbitraria $h(q)$ en la solución.