Noncausality and Marginalization of Markov Processes
Markov 过程的非因果性与边际化AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究随机过程在有限和无限预测时域中的非因果性与 Markov 性，直接关联时间序列理论。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
Markov 过程的非因果性与边际化
- 研究问题
- 什么非因果条件能保证 Markov 过程的子过程仍具 Markov 性，有限与无限预测时域如何影响这些性质之间的联系？
- 方法与思路
- 作者建立非因果性与联合、边际 Markov 性之间的条件性关系，分析有限和无限时域，并以反例展示附加条件失效的情形。
- 材料陈述的贡献
- 摘要称，适当非因果条件可保证子过程具有 Markov 性，并在进一步条件下建立 Markov 性与两类时域非因果性的必要关系。
- 阅读关注点
- 应核对非因果性的定义、信息集与预测时域，逐项区分各命题的充分或必要方向，并考察反例破坏的是哪些附加条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法给出具体条件或完整等价关系；这里的非因果性涉及随机过程预测，不足以支持干预因果解释。
原文摘要
In this paper it is shown that a subprocess of a Markov process is markovian if a suitable condition of noncausality is satisfied. Furthermore, a markovian condition is shown to be a natural condition when analyzing the role of the horizon (finite or infinite) in the property of noncausality. We also give further conditions implying that a process is both jointly and marginally markovian only if there is both finite and infinite noncausality and that a process verifies both finite and infinite noncausality only if it is markovian. Counterexamples are also given to illustrate the cases where these further conditions are not satisfied.