불확실한 확률 (Imprecise probability)은 단일 분포를 가능한 분포들의 볼록 집합 (convex set)으로 대체함으로써 표준 확률 이론을 일반화합니다. 우리는 이러한 일반화가 이산 확률 언어 (discrete probabilistic languages)에서 사용되는 표준 BDD 컴파일 및 가중 모델 카운팅 (weighted model counting) 파이프라인에 어떠한 변경도 요구하지 않음을 보여줍니다. 불확실한 동전 던지기는 단순히 가중치가 고정되지 않고 자유롭게 남겨진 BDD 변수일 뿐입니다. 우리는 불확실한 확률 프로그래밍을 위한 Haskell 임베디드 DSL인 Imp를 소개합니다. 인식론적 불확실성 (epistemic uncertainty)의 명명된 소스들의 유한 집합에 의해 인덱싱되는 graded monad는 표준 볼록 파워셋 모나드 (convex powerset monad)가 결여하고 있는 가환성 (commutativity)을 복원하며, GHC의 타입 시스템은 이를 컴파일 타임에 강제합니다. 가중 모델 카운팅은 semiring에 대해 매개변수화 (parametric)되므로, 동일한 컴파일된 BDD가 정확한 (exact), 미분 가능한 (differentiable), 그리고 구간 경계가 있는 (interval-bounded) 추론을 모두 지원합니다.