关于概率和不可区分性的推理
reasoning about probabilities and indistinguishability
我正在寻找关于捕捉不可区分性概念的形式推理的提示，即随机变量的相同概率分布。在考虑具有随机位的 XOR 游戏时，可以从 0/1 space 中采样这样的变量，或者可以从大环中采样。后一种情况将配备模块化加法。
充其量，有任何已知的方法可以得出结论，具有平坦分布的随机变量的总和分布是平坦的吗？
或者，Z3 可以进行什么样的概率推理？
我遇到的最好的匹配可能是关于贝叶斯信念网络的推理（Esorics 的 Michael Huth 等人），但仍然感到迷茫。那么，从哪里开始呢？谢谢。
不能真正回答这个问题，但我们最近为基于 Z3 的（某些）概率系统设计了一个（非常专业的）模型检查器可能会很有趣。有一个paper about it and an implementation。在我们非常特殊的设置中，一切都是离散化的，因此可以回答 'flatness' 或类似的问题，但它可能仍然非常昂贵。
我正在寻找关于捕捉不可区分性概念的形式推理的提示，即随机变量的相同概率分布。在考虑具有随机位的 XOR 游戏时，可以从 0/1 space 中采样这样的变量，或者可以从大环中采样。后一种情况将配备模块化加法。
充其量，有任何已知的方法可以得出结论，具有平坦分布的随机变量的总和分布是平坦的吗？ 或者，Z3 可以进行什么样的概率推理？
我遇到的最好的匹配可能是关于贝叶斯信念网络的推理（Esorics 的 Michael Huth 等人），但仍然感到迷茫。那么，从哪里开始呢？谢谢。
不能真正回答这个问题，但我们最近为基于 Z3 的（某些）概率系统设计了一个（非常专业的）模型检查器可能会很有趣。有一个paper about it and an implementation。在我们非常特殊的设置中，一切都是离散化的，因此可以回答 'flatness' 或类似的问题，但它可能仍然非常昂贵。