Las introducciones a los modelos gráficos los describen como "... un matrimonio entre la teoría de gráficos y la teoría de probabilidad".
Obtengo la parte de la teoría de la probabilidad, pero tengo problemas para comprender dónde encaja exactamente la teoría de gráficos. ¿Qué ideas de la teoría de gráficos han ayudado a profundizar nuestra comprensión de las distribuciones de probabilidad y la toma de decisiones bajo incertidumbre?
Estoy buscando ejemplos concretos, más allá del uso obvio de la terminología teórica de grafos en las PGM, como clasificar una PGM como "árbol" o "bipartito" o "no dirigido", etc.