Parameter Permutation Symmetry in Particle Systems and Random Polymers
当我们给每个粒子$x_i$配备它自己的跳跃率参数$ν_i$时，许多一维空间中的可积随机粒子系统（如TASEP -完全不对称简单排斥过程-及其各种变形，ASEP是一个显著的例外）仍然是可积的。可积性的一个结果是，从阶跃初始组态开始的系统中每个粒子$x_n(t)$的分布以对称的方式依赖于参数$ν_j$，$j\le n$.因此，参数的转置$ν_n \leftrightarrow ν_{n+1}$仅影响$x_n(t)$的分布。对于$q$ -Hahn TASEP和它的简并（$q$ -TASEP和定向β聚合物），我们实现了换位$ν_n \leftrightarrow ν_{n+1}$作为作用于单粒子$x_n(t)$的显式Markov交换算子.对于β聚合物，交换算子可以被解释为对聚合物所处的晶格的简单修改。我们的主要工具是马尔可夫对偶和轮廓积分公式的联合时刻。特别是，我们的建设导致一个连续的时间马尔可夫过程$\mathsf{Q}^{(\mathsf{t})}$保持时间$\mathsf{t}$分布的$q$ -TASEP（步骤初始配置，其中$\mathsf{t}\in \mathbb{R}_{>0}$是固定的）。对偶系统是随机$q$ -玻色子系统的某种瞬态变形.我们用$q$ -TASEP的$q$矩来确定这个瞬态过程的渐近生存概率，并用它来证明具有任意初始数据的过程$\mathsf{Q}^{(\mat…
2021-03-06 cond-mat.stat-mech math-ph math.MP
Transition probability and total crossing events in the multi-species asymmetric exclusion process
本文研究多种群 ASEP/TASEP 的完全穿越事件，结合嵌套 Bethe ansatz、顶点模型与高阶彩虹配分函数，给出转移概率及完全穿越概率的显式多重积分和行列式公式。
2023-06-02 cond-mat.stat-mech math-ph math.CO
Large deviations of continuous regular conditional probabilities
研究了两个坐标关于第二个坐标的测度在第二个坐标的边缘的支撑下弱连续的乘积正则条件概率。假设积空间上存在满足大偏差原理的概率测度序列，给出了这些测度下的条件概率满足大偏差原理的充要条件.假设这些条件概率的参数收敛。提出了一种将正则条件概率视为乘积正则条件概率的一种特殊情况的方法。这用于推导正则条件概率的大偏差的条件。另外，在第二坐标经验分布不变的条件下，我们得到了第一坐标经验分布大偏差的Sanov型定理.
2016-05-17 math.PR
Rewriting History in Integrable Stochastic Particle Systems
本研究通过Yang-Baxter方程建立速度参数排列不同的可积粒子系统间的马尔可夫交织关系，导出统一Lax方程并构造“重写历史”耦合，为多点可观测量分析提供新工具。
2023-06-20 math-ph math.CO math.MP
On the effect of perturbation of conditional probabilities in total variation
这是A. Ionescu Tulcea给出了一个给定正则条件概率序列的乘积空间上的概率测度的构造。我们研究了后者在总变差度量的扰动如何影响所得的产品概率测度。
2013-11-13 math.PR
From imprecise probability assessments to conditional probabilities with quasi additive classes of conditioning events
University of Palermo（巴勒莫大学）
本文从有限族条件事件的广义相干（即避免均匀损失）区间值概率估计出发，构造了与给定初始估计一致的条件事件的拟加性类的条件概率.准可加性保证了所获得的条件概率的一致性。为了达到我们的目标，我们定义了一个有限序列的条件概率利用一些理论结果的g-相干。特别是，我们使用有限序列的线性系统的解决方案。
2012-10-16 cs.AI math.PR
Relations among conditional probabilities
我们描述了一个Groebner基础的关系条件概率之间的离散概率空间，与任何一组条件的事件。它们可以专门用于部分观测的随机变量情况、纯条件情况和其他特殊情况。我们还调查了广义置换面体的连接，并描述了一个条件概率单纯形。
2008-08-08 math.AG math.PR math.ST
Conditional Probabilities of Multivariate Poisson Distributions
多元泊松分布有许多应用。Sontag和Zeilberger已经探索了这些分布的快速计算，保持这些变量的线性组合的固定集合不变。这说明了他们的工作。
2012-09-22 math.PR math.ST stat.TH
Envelopes of conditional probabilities extending a strategy and a prior probability
任何策略和先验概率一起都是一个连贯的条件概率，它可以扩展到一个完整的条件概率，通常不是以唯一的方式。研究了相应的扩张类，并给出了其包络的封闭形式。然后给出了满足完全可积性和完全强可聚性性质的扩张子类的一个拓扑刻画，并研究了它们的包络。
2016-02-24 math.PR
Conditional splitting probabilities for hidden-state inference in drift-diffusive processes
Imperial College London（帝国理工学院）；Laboratoire de Physique de l’Ecole Normale Supérieure (LPENS)（巴黎高等师范学院物理实验室）；Max Planck Insitute for Dynamics and Self-Organization（马克斯·普朗克动力学与自组织研究所）
该研究针对两类二维马尔可夫过程推导联合分裂概率，引入条件分裂概率概念，并提出基于该概率从可观测自由度的离开事件推断隐藏内态的方案，为随机过程首通与隐状态推断提供了新方法。
2025-08-10 cond-mat.stat-mech math-ph math.MP
Probabilities of conditionals and previsions of iterated conditionals
我们分析选定的迭代条件的框架内的条件随机量。我们指出，检验Lewis的平凡性结果是有益的，它表明了条件概率成为条件概率必须满足的条件。然而，在我们的方法中，我们避免了琐碎，因为进出口原则是无效的。然后，我们分析了部分知识下的推理的一个例子，给定一个条件，如果$A$，那么$C$作为信息，$A$的概率应该直观地增加。我们解释这种直觉，使一些隐含的背景信息明确。我们考虑几个（广义）迭代条件，使我们能够形式化不同种类的潜在信息。我们验证，对于这些迭代条件的prevision是大于或等于概率的$A$。我们还研究了肯定推论的下界和上界。最后，我们对两个条件的假设“独立性”做了一些评论，并将此属性解释为两个随机量之间的不相关性。
2020-03-13 math.LO math.PR
A Note on the Conditional Probabilities of the Telegraph Process
我们考虑具有两个速度$a_1>a_2\in\mathbb{R}$和两个反转率$λ_1,λ_2>0$的电报过程。我们研究了它的一些功能方面的条件概率措施的初始速度和数量的变化的方向是已知的。我们展示了一个新的证明（条件）概率法的诱导和详细的研究在时间$t>0$条件下，其位置在以前的时间$0<s<t$的运动分布。在对称过程的情况下，我们提出了一些结果的联合分布的位置的运动在时间$t>0$，其最大值和最小值的时刻。
2022-02-03 math.PR
Conditional loss probabilities for systems of economic agents sharing light-tailed claims with analysis of portfolio diversification benefits
我们分析系统的代理人分享轻尾风险索赔所发出的不同的金融对象。在索赔额服从指数分布的假设下，我们得到了代理人和系统的损失均服从广义指数混合分布。我们发现，这导致定性不同的结果相比，在文献中研究的重尾索赔的个人和系统风险。通过推导条件损失分布，我们研究了压力情况对代理人和系统损失的影响。此外，我们提出了一个标准，代理人来决定是否持有少数对象或投资组合多元化，最大限度地减少他们的风险，在系统危机的情况下。
2016-12-21 math.PR q-fin.RM
On upper and lower bounds for probabilities of combinations of events
我们推导出新的概率上限和下界，$r$或至少$r$从$n$事件发生。这些界限可以变成等式。并对方法进行了讨论。它适用于可测空间，也适用于带符号的测量。我们还讨论了在$σ$ -域上上述事件条件概率结果的变形.从条件概率的不等式的两个部分中取期望值可以为无条件概率产生更好的界。
2020-08-11 math.PR
CHSH inequality: Quantum probabilities as classical conditional probabilities
A.精细意味着CHSH不等式被违反，当且仅当EPR-Bohm-Bell实验所涉及的四个可观测量的联合概率分布不存在，即，不可能使用经典的概率模型（Kolmogorov，1933）。在本文中，我们证明，尽管罚款的定理，在EPR-玻姆-贝尔实验中的观察结果可以描述在经典的概率框架。然而，“量子概率”必须被解释为条件概率，其中条件是相对于固定的实验设置。我们的方法是基于在实验中所涉及的随机性的完整帐户。关键的一点是必须考虑到实验设置选择的随机性。这种方法可以应用于任何复杂的实验，其中收集各种（一般不兼容）实验设置的统计数据。最后，我们强调，我们的EPR-玻姆-贝尔实验的经典概率空间的建设不能用来支持量子现象的隐变量方法。我们考虑的经典随机参数$ω$不能与Bell型考虑中使用的隐变量$λ$等同。
2014-06-18 math.PR quant-ph
Conditional gambler's ruin problem with arbitrary winning and losing probabilities with applications
在本文中，我们提供了一个有限状态空间的一维赌徒破产问题中的条件博弈持续时间的期望公式，该问题具有任意的赢$p(n)$和输$q(n)$概率（即，这取决于当前的财富）。这些公式是根据系统的参数来表示的。Beyer和Waterman [Mathematics Magazine，50（1），1977]表明，对于经典赌徒破产问题，条件吸收时间的分布在$p$和$q$中是对称的。我们的公式意味着，对于非恒定的赢/输概率，条件博弈持续时间的期望在这些概率中是对称的（即，如果我们用$q(n)$交换$p(n)$，则情况相同），只要比率$q(n)/p(n)$是恒定的。大多数公式都适用于圆/多边形上的非对称随机游动。此外，对于圆上的对称随机游动，我们构造了一个最优的强平稳对偶链--它是一个吸收的、非对称的生灭链。我们应用我们的结果，并提供了一个公式，其预期的吸收时间，这是一个最快的强平稳时间为上述对称随机游动在一个圆圈。这样，我们改进了Diaconis和Fill [概率年鉴，18（4），1990]的结果，其中构建了强平稳时间-但不是最快的。最快的强平稳时间的期望值与Diaconis和Fill构建的期望值相差3/4，与圆的大小无关。
2021-11-27 math.PR
An integral representation for topological pressure in terms of conditional probabilities
给定一个平衡态$μ$，一个连续函数$f$在一个有限型$X$的位移上，$f$的压力是$f$与$μ$的信息函数之和相对于$μ$的积分。证明了在对$f$、$X$和不变测度$ν$的某些假设下，$f$的压力也可以表示为同一被积函数关于$ν$的积分.在更强的假设下，我们表明，这种表示持有所有不变测度$ν$。我们建立了一个算法的压力近似的含义，我们将我们的结果在热力学形式主义的结果。
2014-01-13 math.DS math.PR
Towards zero variance estimators for rare event probabilities
改进稀有事件概率的重要抽样估计需要条件密度的精确近似。这是针对事件E_{n}实现的：=（f（X_{1}）+.+ f（X_{n}））\inA_{n}，其中被加数是i.i.d.而E_{n}是大或中等偏差事件。当k_{n} /n \to 1时，对于1个\leqi \leqk_{n}和相对于E_{n}的长期运行，处理了真实r.v的X_{i}的条件密度的近似。讨论了在给定精度下k的最大值，给出了算法和仿真结果。
2012-02-06 math.PR
The Schonmann projection as a g-measure-, how Gibbsian is it?
研究了二维伊辛模型的极值Gibbs测度的一维投影，即“Schonmann投影”.这些措施是已知的非吉布斯在低温下，因为它们的条件概率作为双边边界条件的函数是不连续的。我们证明了它们是g-测度，这意味着它们的条件概率对单侧边界条件具有连续依赖性。
2022-03-21 math-ph math.DS math.MP
Computing transient probabilities in Markovian queues with balking conditional on a fixed number of joined customers
Department of Information and Communications Technology, The University of Osaka, Japan（大阪大学信息与通信技术系）
该研究针对有限时间内恰好K名顾客加入的带弃权马尔可夫排队系统，推导概率生成函数相关方程与线性微分方程，开发数值方法计算相关矩，解释了条件下的反直觉行为。
2026-08-21 math.PR
The Goodman-Nguyen Relation within Imprecise Probability Theory
Goodman-Nguyen关系是将蕴涵（包含）关系推广到条件事件的偏序。因此，精确的概率，它既诱导一个同意的概率排序，是一个关键的工具，在某些常见的扩展问题。大多数以前的工作涉及这种关系是关注的条件事件代数或精确的概率。我们在这里调查它的作用不精确的概率论，首先在框架内的条件事件，然后提出一个概括的古德曼-阮关系条件赌博。事实证明，这种关系诱导一致的顺序一致或C-凸条件不精确预测。在一个有条件事件的标准推理问题中，它让我们确定自然扩张以及上扩展。对于条件博弈，它在推导一些推论不等式时是有用的。
2015-03-06 math.PR
First-passage probabilities and invariant distributions of Kac-Ornstein-Uhlenbeck processes
本文研究了具有马尔可夫调制的Ornstein-Uhlenbeck过程，其参数依赖于外部的两态马尔可夫过程.从首达概率和不变测度的角度研究了这类过程在给定调制下的条件均值和方差。它还研究了类似于Kac标度的标度条件下的极限行为。
2021-03-10 math.PR
Unreal Probabilities: Partial Truth with Clifford Numbers
介绍并研究了Clifford代数值条件测度的基本性质。
1998-08-10 math.PR physics.data-an quant-ph
On the Complexity of the Compatibility Problem for Succinctly Encoded Conditional Distributions
本文研究简洁编码为算术电路的条件分布的兼容性问题，证明其为co-NP完全或PSPACE完全问题，且存在兼容简洁条件分布的联合分布无法简洁表示，探讨了对概率建模和机器学习的意义。
2026-09-01 cs.CC cs.LG math.PR
Rare Events in Random Geometric Graphs
这项工作介绍和比较的方法，用于估计罕见事件的概率有关的随机几何图形的边数的泊松点过程。在一维的设置，我们推导出封闭形式的表达式的各种条件概率有关的随机几何图中的边的数量和开发条件蒙特卡罗算法估计罕见事件的概率在此基础上。我们严格证明减少方差相比，原油蒙特卡罗估计，并说明了模拟研究中的改进幅度。在更高的维度上，我们利用条件蒙特卡罗来消除来自节点泊松数随机性的估计量波动。最后，从大偏差理论的概念见解的基础上，我们说明了使用吉布斯点过程的重要性抽样可以进一步大幅降低估计方差。
2020-07-12 math.PR
Update of prior probabilities by minimal divergence
本文研究了经验概率分布的更新与一组新的观测结果。通过最小化Hellinger距离或二次Bregman散度获得最佳更新。两种方法得到的结果不同。还考虑了具有关于条件概率的信息的更新。
2021-11-13 math.PR math.ST physics.data-an
A variational problem to calculate probabilities
本文通过Riesz表示定理，将条件期望的存在唯一性转化为Lebesgue空间中的线性问题，并推广为变分问题，最终用此工具证明全概率定律。
2025-03-20 math.FA math.OC math.PR
A definition of conditional probability distribution with non-stochastic information
条件概率分布的当前定义使得人们能够仅基于随机信息来更新概率。本文给出了非随机信息下条件概率分布的定义。该定义是作为一个决策理论问题的解决方案，其中的信息是通过一个损失函数连接到利益的结果。我们将表明，Kullback-Leibler分歧起着核心作用。一些插图。
2011-02-17 math.PR
Markov chain Monte Carlo for computing rare-event probabilities for a heavy-tailed random walk
本文提出了一种基于马尔可夫链蒙特卡罗（MCMC）算法的计算罕见事件概率的方法。给定稀有事件发生的基本过程的条件分布以稀有事件的概率作为其归一化常数。利用MCMC方法模拟了一个马尔可夫链，将该条件分布作为其不变分布，并从其轨迹中提取了关于归一化常数的信息。该算法被描述在充分的一般性和应用的问题计算的概率，一个重尾随机游动超过一个高阈值。构造了倒概率的一个无偏估计，其归一化方差渐近为零。该算法被扩展到随机和其性能的数值说明，并与现有的重要性抽样算法。
2012-11-09 math.PR stat.CO
Characterizing predictable classes of processes
INRIA Lille-Nord Europe（法国国家信息与自动化研究所里尔-北欧洲分所）
问题是在以下设置中的序列预测。离散值观测序列$x_1,...,x_n,...$是根据某个未知的概率律（测度）$μ$生成的。在观察每个结果之后，需要给出下一个观察的条件概率。测度$μ$属于随机过程的任意类$\C$。我们感兴趣的预测$ρ$的条件概率收敛到“真正的”$μ$ -条件概率，如果任何$μ\in\C$被选中生成的数据。我们表明，如果这样的预测存在，那么预测也可以得到作为一个可数的许多元素的$\C$的凸组合。换句话说，它可以作为贝叶斯预测器获得，其先验集中在可数集上。这一结果是建立两个非常不同的措施的预测性能，其中之一是非常强大的，即总变差，另一个是非常弱的，即预测预期平均Kullback-Leibler发散。
2009-05-27 cs.AI cs.IT math.IT
Bounds for matrices of inclusion probabilities in rejective sampling
University of Innsbruck（因斯布鲁克大学）
针对更真实建模n稀疏信号的需求，在非渐近框架下研究拒绝抽样的包含概率矩阵，给出其半正定序界、哈达玛积算子范数界，并在字典学习中验证了界的实用性。
2026-08-21 math.PR math.ST stat.TH
Transitive reasoning with imprecise probabilities
University of Rome “La Sapienza”（罗马大学（萨皮恩扎大学））；LMU Munich（慕尼黑大学）；University of Palermo（巴勒莫大学）
我们研究概率信息（弱）版本的传递性，通过使用合适的定义的默认值和否定的默认值，在设置的连贯性和不精确的概率。我们表示p-一致的序列的默认值和/或否定的默认值的g-相干的不精确概率评估的相应序列的条件事件。最后，我们证明了弱传递性的连贯概率传播规则和有效性的选择推理模式，通过证明相关的知识库的p-蕴涵。
2015-03-13 cs.AI cs.LO math.PR
Kolmogorov's axioms for probabilities with values in hyperbolic numbers
我们介绍的概念，概率措施，采取价值的双曲数，并满足系统的公理推广直接Kolmogorov的公理系统。我们表明，这种新的措施验证了通常的属性的概率，特别是，我们治疗的条件双曲概率，我们证明双曲类似物的乘法定理，法律的总概率和贝叶斯定理。我们的概率可以取为零因子的值，我们仔细地讨论了这个特性。
2015-08-06 math.PR
Boolean algebras of conditionals, probability and logic
本文提出了一个调查的结构条件事件和概率测度，自然出现在这种情况下。特别是，我们介绍了一种结构，它定义了一个（有限）{ \em布尔代数的条件}从任何（有限）布尔代数的事件。通过这样做，我们区分条件事件的属性取决于概率和那些内在的逻辑代数结构的条件。我们的主要结果提供了一种方法，把标准的两个地方的条件概率作为一个地方的概率函数的条件事件。我们还考虑了我们的布尔代数的条件链接到非单调推理的优先后果关系的逻辑对应。本文的整体框架提供了一个新的视角，丰富的逻辑和概率之间的相互作用，在条件知识的表示。
2020-06-08 cs.LO math.LO math.PR
Conditional means, vector pricings, amenability and fixed points in cones
EPFL（瑞士联邦理工学院）
本文将条件概率推广到任意有序向量空间，通过向量定价问题，刻画了广义概率可平稳或不变的群，并得到顺从性与锥中不动点的新准则。
2026-06-12 math.DS math.FA math.GR
