Graphical models have widely been used in a variety of research fields due to easiness of interpretation of the model and of model representation via graph.
The graphical Gaussian model, a particular version of graphical model, as introduced by Speed and Kiiveri (1986) results from covariance selection models defined by Dempster(1972). Also, graphical models for mixed discrete and continuous variables were introduced by Lauritzen and Wermuth(1989).
In this thesis, we expand the concept of conditional Gaussian model to the exponential family, and explored maximum likelihood estimators of conditional Exponential models.
These maximum likelihood estimators are illustrated through some examples.
혼합 모형에서는 지금까지 정규분포에 관하여 많은 연구가 이루어졌다.
하지만 지수형태의 조건부 모델에 관하여는 연구가 거의 이루어지지 않았다.
본 논문에서는 정규분포를 좀 더 확장하여 지수분포나 감마분포와 같은 지수형태를 가지는 분포에 관하여 연구하였다. 이러한 조건부 지수분포에 관한 연구의 시작으로 혼합변수 모형에서의 최대우도추정량(MLE)의 일반적인 형태에 대하여 살펴보았다. 덧붙여서, 최대 4개의 혼합변수로 구성된 모델들의 예를 통하여 최대우도추정량의 구체적인 모양을 찾아 보았다.
