Les réseaux bayésiens sont adaptés à la modélisation de boucles de rétroaction, ainsi qu'aux séries temporelles. Ce sont les réseaux bayésiens dynamiques qui consistent en l'utilisation de réseaux bayésiens lors de la modélisation de séries temporelles ou de boucles de rétroaction.
ou i(:) et B(:) sont des fonctions du parametre est appele parametre naturel de la famille. et les Ti(:) sont des statistiques. Le vecteur ( ) ! ! i=1 T (xi) est appele vecteur de statistiques exhaustives pour . Cette statistique contient toute l'information de l'echantillon sur les parametres de la loi de probabilite.
Un modele Bayesien est la donnee, pour une v.a. (ou une suite de v.a.) d'une loi conditionnelle et d'une loi a priori : De nition 1.8 (Loi a posteriori). On peut separer les situations en 4 categories selon que la loi de X est discrete ou continue ou que la loi a priori est discrete ou continue. 1. La loi de X et la loi a priori sont discretes.
Les méthodes d'inférence bayésiennes tentent d'obtenir la distribution postérieure des paramètres, qui peut ensuite être maximisée pour obtenir des estimations maximales a posteriori. La plupart des méthodes d'inférence bayésiennes s'appuient sur les techniques MCMC. L'application à la biologie de systèmes ne fait pas exception :