本文针对可靠性统计和图模型两方面的相关问题进行了研究。　　 Ⅰ型区间删失数据(也称当前状态数据)是可靠性工程和生存分析研究中经常遇到的一种数据类型。针对高可靠产品在Ⅰ型区间删失寿命试验数据情形，第一章提出用基于非参数最大似然的两步估计算法对寿命分布进行估计。该方法直观且易于实施，模拟研究表明，和现有的同类方法相比，本文提出的方法更稳定高效，尤其是在小样本情形；此外该方法还能够解决其他一些方法难以处理的复杂寿命分布下的参数估计问题。　　 第二章针对高可靠产品在Ⅰ型区间删失、小样本寿命试验数据情形提出了一种随机效应模型，综合来自同一生产条件但在不同环境下储存的产品的试验数据来评估该种产品的储存寿命。引入Gaussian和对数Gamma两种随机截矩来解释组间数据的异质性，采用Complementary log-log链接函数建立广义线性模型，给出了相关理论和算法，模拟结果显示这里提出的随机效应模型能够综合来自不同储存环境的多源信息对产品的可靠性进行合理的评价。　　 图因果模型(也称贝叶斯网络)被广泛应用于因果推断领域。基于图因果模型，第三章考虑了可能含有隐变量的离散数据因果模型中识别因果效应的三种方法:完全数据方法，前门准则，后门准则。针对每种方法，给出了因果效应的最大似然估计及对应的渐近方差，讨论了估计的渐近性质，并且对这些方法进行了模拟比较。　　 第四章研究利用图模型对分类问题中的变量进行选择的方法，这类方法根据在贝叶斯网络中学习分类结点的Markov blanket来进行最优变量选择。针对离散变量模型，通过分析现有的一些方法的优缺点，我们提出了两个新算法:序贯向后删除算法和迭代收缩增长算法，初步的模拟试验显示了这两个新算法在变量选择方面的良好性能。此外，我们还初步研究了既含离散变量又有连续变量的混合模型中最优变量选择的方法。