无约束随机性下的条件性原则
Conditionality principle under unconstrained randomness
AI总结：
本文通过一个简单例子指出Fisher的固定x回归条件性原则会使统计学习中的预测无法实现，而放宽条件性要求后可通过保形预测实现预测。
摘要：
一个非常简单的例子表明，Fisher将条件性原则应用于回归（“固定x回归”），并得到Sprott及许多其他追随者认可，这使得统计学习理论背景下的预测变得不可能。另一方面，放宽条件性要求则可以通过例如保形预测来实现。
英文摘要：
A very simple example demonstrates that Fisher's application of the conditionality principle to regression ("fixed-$x$ regression"), endorsed by Sprott and many other followers, makes prediction impossible in the context of statistical learning theory. On the other hand, relaxing the requirement of conditionality makes it possible via, e.g., conformal prediction.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
