1、选题目的和意义： 贝叶斯网络又称为信念网络，是一种对概率关系的有向图解描述，适用于不确定的概率性事物。

在解决许多生活中实际问题，需要从不完全的、不精确的、不确定的知识和信息中作出推理，传统的预测方法显然难以进行，而贝叶斯网络是一种概率推理技术，使用概率理论来处理在描述不同知识成份的条件相关而产生的不确定性，提供了一种将知识直觉的图解可视化的方法。

在贝叶斯网络中，起因的假设和结果的数据均用节点表示，它们之间的联系用有向弧表示。

在各变量之间画出它们的因果关系，并将它们用数字编码的形式来描述一个变量可能影响另一个变量的程度。

在概率推理中，随机变量用于代表世界上的事物或事件，将这些随机变量实例化成各种实例，就可以对世界上现存的状态进行建模。

贝叶斯网络是进行联合概率分解及研究证据传递的有效的图形模式。

在贝叶斯网络中,研究变量的最优预测问题对揭示贝叶斯网络内部机制及分类器的属性选择等都具有重要意义。

证明了在0-1损失下,对贝叶斯网络中任一特定变量进行预测时,联合预测是最优预测,贝叶斯网络和该变量的马尔科夫毯预测也是最优预测,同时给出了马尔科夫边界的信息结构,并使用模拟数据进行了定性与定量分析。

贝叶斯预测模型是运用贝叶斯统计进行的一种预测。

贝叶斯统计不同于一般的统计方法，其不仅利用模型信息和数据信息，而且充分利用先验信息。