컨포멀 예측 시스템 (Conformal predictive systems, CPS)은 교환 가능성 (exchangeability) 조건 하에서 보정된 누적 분포 함수 (CDF) 대역을 출력합니다. 본 연구에서는 관측치별 순열 가중치 (permutation weights)를 통해 분포 변화 (distributional shifts)를 인코딩함으로써, 일반화된 CPS를 비교환 가능 (non-exchangeable) 설정으로 확장합니다. 이를 통해, 무순서 샘플 (unordered sample)에 대한 조건부로 테스트 포인트가 관측된 원자 (atoms)로부터 가중 추출된 것이라면 언제나 유효성을 유지하는 변화 인식 예측 시스템 (shift-aware predictive systems)을 도출합니다. 이러한 가중치는 일반적으로 추정되므로, 우리는 가중치 불확실성 박스 (weight-uncertainty boxes)를 도입하고 유한 샘플 (finite-sample) 또는 점근적 (asymptotic) 신뢰 보장을 갖는 강건한 CPS 엔벨로프 (envelopes)를 구축합니다. 우리는 적합도 측정 (conformity-measure) CPS, 컨포멀 비닝 (conformal binning), 그리고 컨포멀 등조 분포 회귀 (conformal isotonic distributional regression)를 위한 효율적인 계산법을 유도합니다. 공변량 변화 (covariate shift) 및 피드백 기반 생체 분자 설계 (feedback-driven biomolecular design) 환경에서의 실험 결과, 변화가 강해질수록 넓어지고 샘플 크기가 증가함에 따라 좁아지는 보정된 예측 대역을 보여줍니다.