두 번째 차수 지수 모델로 원인과 결과 구분

본 논문은 관측 데이터만으로 인과 구조를 추정하는 문제에 대해, 특히 이산 변수와 연속 변수가 동시에 존재하는 경우에 적용 가능한 새로운 방법론을 제시한다. 기존의 인과 추정 기법들은 주로 연속 변수에 한정되거나, 선형·비가우시안 가정에 의존한다는 한계가 있었다. 저자들은 이러한 한계를 극복하기 위해 “두 번째 차수 지수 모델”(second‑order exponential model)이라는 매끄러운 확률밀도 패밀리를 도입한다. 1. **이론적 배경** 인과 그래프는 DAG(Directed Acyclic Graph)로 표현되며, 각 변수 Xj는 그 부모(pa j)에 대한 조건부 밀도 p(xj|pa j)로 기술된다. 마코프 조건에 따라 전체 결합밀도는 p(x1,…,xn)=∏j p(xj|pa j)로 분해된다. 저자들은 각 조건부 밀도를 “조건부 엔트로피 최대화” 원칙에 따라 정의한다. 구체적으로, 주어진 1차·2차 모멘트 제약 E