贝叶斯网络中的有向无圈图在面临隐变量和选择偏差存在的情况时,其不稳定性的存在使得变量处理中的图分离准则和所得新图结构发生变化,这种局限性的存在对图模型的研究和应用进程造成了阻碍。为了克服和解决有向无圈图的这一局限性,本文引入并探讨了全图的概念、性质和分类模型。全图模型是涵盖图模型最广的一类稳定图。基于对全图模型的分离准则和由其分离准则变化得到的所有独立模型的集中整合,引出了无带图、祖先图、总结图和链图的概念和马尔科夫性质。普遍适用的分离准则和各图模型独立的分离准则得到了系统化概述。本文的第一个创新点在于,对于全图模型分支下的稳定图模型,通过可行性算法设计成功实现了全图模型到其分支图模型的内在逻辑性转换和外在结构性变更,简化了图模型研究的步骤,减弱了以往的研究过程中对构建图模型所需测算数据的要求。本文另一个创新点在于给出证明的方式,通过图模型解析法和过程化的方式给出了上述马尔科夫等价性转化的证明,并因此得出了在特定情形下无带图可以克服有向无圈图的不稳定性的结论。另外,全图模型下的非稳定图与部分稳定图得到了关注,这些图模型实现自身稳定性转化的的条件也得到了研究和系统化论述。最后,全图模型与各类细化图模型的包含与转化关系以图结构的方式给出,这是本文基于已有研究的又一创新。