条件上确界
及其应用

一句话：从“平均”转向“边界”

1. 核心对象：\(\mathcal M(X\mid\mathcal D)\)

设 \((\Omega,\mathcal F,P)\) 为概率空间，\(\mathcal D\subset\mathcal F\) 为子 σ 代数，\(X\in L^\infty\)。随机变量 \(X\) 关于 \(\mathcal D\) 的条件本质上确界，是一个 \(\mathcal D\)-可测随机变量 \(\mathcal M(X\mid\mathcal D)\)，满足：

更直接的几何/序关系刻画是：

所以它是：用给定信息 \(\mathcal D\) 能表达的、压住 \(X\) 的最紧上界。这比“约束条件下求最大值”的写法更基础，因为约束可以被看成由信息映射生成的 σ 代数。

2. 核心理论结果

和条件期望的关键关系

这最后一个式子最重要：它说明条件上确界不是任意造出来的对象，而是条件期望族在极限意义下自然露出的“边界算子”。

3. M 独立性：保边界，而不是保分布

旧稿提出的 M 独立性定义：若 \(\mathcal C_1,\mathcal C_2\) 为子 σ 代数，且对任何非零概率集合 \(A\in\mathcal C_1, B\in\mathcal C_2\)，都有 \(P(A\cap B)>0\)，则称二者 M 独立。

关键刻画

直觉：普通独立关心“概率权重是否变”；M 独立关心“support 是否被条件信息切掉”。这使它更适合讨论极值、边界、可达域，而不是平均效应。

4. 应用解释：优化值函数与边界回归

4.1 约束优化的条件下确界/上确界视角

如果 \(g(x)=r\) 是约束信息，那么优化值函数可以写成条件边界函数。答辩 slide 中更明确地出现了下确界版本：

这句话的现代解释：\(h(r)\) 是给定约束状态 \(g=r\) 时，目标函数 \(f\) 的条件支撑下边界；上确界版本对应上边界。估计 \(h\) 就是估计 feasible set 的边界。

4.2 边界回归，不是平均回归

这条线最值得迁移到今天的部分，是它自然导向“机制边界 / 必要条件 / 可达域”。因果或机制不一定首先体现在平均效应，也可能体现在：某个结果要发生时，输入必须跨过怎样的边界。

4.3 NCA / FDH / necessary conditions

旧材料已指出：关联规则学习、Free Disposal Hull、Necessary Condition Analysis 都与条件本质下确界有密切关系。更干净的现代化写法是：

• NCA：necessary but not sufficient 可以写成条件边界估计。
• FDH：自由处置包络本质上是在样本支撑上估计可达边界。
• causal regression / IP-Diag：可用边界/必要条件替代单纯平均效应，形成机制诊断的一个数学接口。

5. 文献基础、可能原创点、暂缓点

注意：旧稿提到 Barron(2003) Proposition 2.3 可能有误，并给出 \(X=-1\) 的反例线索；这个可以作为原创纠错点候选，但必须回查原文命题后再公开写成正式结论。

6. 最小 clean writing 路线

最小可交付不应是把所有旧材料堆成大论文，而是写成一个短而硬的 note：

• 定义 conditional essential supremum，给出等价 characterization。
• 整理和 conditional expectation 的平行关系与极限关系。
• 定义 M-independence，并给出“M 独立但不独立”的清楚例子。
• 证明 M-independence 对 essential sup/inf 的刻画性质。
• 把应用章节改写为 boundary regression / necessary condition / feasible set estimation。
• 单独列出：哪些来自 Barron，哪些是 Gong/Chen 新增，哪些仍是 conjecture 或 research note。

附加页：客观评价与应用边界

这份整理页记录理论骨架；另有一个单独页面保存更冷静的价值判断：它不是条件期望的同等级通用替代物，而是 support boundary / necessary condition / frontier estimation 的专用语言。