以到近似非情境系统的最小距离作为情境性的度量

令随机向量 $R^c=\{R_p^c:p\in P_c\}$ 表示在不同情境 $c\in C$ 中对性质 $p\in P$ 的某些子集 $P_c$ 的联合测量。如果存在联合分布的随机变量集合 $\{Q_p:p\in P\}$ 使得对所有 $c\in C$ 有 $R^c$ 与 $\{Q_p:p\in P_c\}$ 同分布，则此类系统传统上称为非情境的。非情境性的一个平凡必要条件且多数度量情境性方法的前置条件是系统一致连接，即所有测量同一性质 $p$ 的 $R_p^c,R_p^{c'},\dots$ 具有相同分布。Contextuality-by-Default (CbD) 方法允许在不一致连接之上检测和度量“真”情境性，但代价是较高的计算成本。本文提出一种度量情境性的新方法，它兼具CbD方法的普适性和基本定义以及先前提出的负概率 (NP) 方法的计算优势。本方法与CbD的不同之处在于，它不考虑双下标随机变量 $R_p^c$ 的所有可能联合，而是考虑所有可能的近似单下标系统 $\{Q_p:p\in P\}$。情境性的程度基于实际测量 $R^c$ 与 $\{Q_p:p\in P_c\}$ 的最小可能概率距离来定义。我们证明所定义的度量对所有每个性质恰好出现在两个情境中的系统与CbD方法的某一情境性度量一致，且该度量比CbD度量计算效率高得多，对足够大的系统甚至比NP度量更高效。本方法可被修改以便在所有一致连接系统上与NP情境性度量一致，同时将其扩展到不一致连接系统。