在现代的生态、环境以及地学研究中，变量和变量间的因果关系推断占据了非常重要的地位。在实践中，变量间的因果关系研究往往求助于昂贵的实验，但所得结果又经常与天然环境中的实际因果联系相差甚远。统计学方法是研究天然环境中变量间关系的好方法，但常见的统计学方法往往回答的是变量间的相关关系。
一：R语言实现Bayesian Network分析的基本流程
R语言的数据类型与基本操作
R语言中图论的相关操作
贝叶斯网络的图表示与概率表示
基于bnlearn建立简单的贝叶斯网络
二：离散静态贝叶斯网络的构建
离散静态网络的结构学习
离散静态网络的参数估计
离散静态网络的推断
实例分析
三：连续分布下的贝叶斯网络
连续贝叶斯网络的结构学习
连续贝叶斯网络的参数估计
高斯贝叶斯网络的推断
实例分析
四：混合贝叶斯网络
混合分布情况下的处理
贝叶斯统计在混合网络中的应用
实例分析
五：动态贝叶斯网络
时间序列中变量的选择
时间相关性的处理
动态贝叶斯网络
实例分析
六：基于Gephi的网络作图初步
基于Gephi的网络作图初步
七：真实世界中的贝叶斯网络
Bootstrap与阈值选择
模型平均方法
非齐次动态贝叶斯网络
实例分析
