(1)推理问题 在了解如何构造贝叶斯网络之后，下面我们考虑如何利用贝叶斯网络来进行推理。贝叶斯网络的推理是对某些变量当给定其它变量的状态作为证据时如何推断它们的状态，也就是通过计算回答查询（query）的过程。这个推理的过程也称为概率推理或信念更新。 在实践中，贝叶斯网的推理基于贝叶斯统计，重点在于后验概率或密度的计算。推理问题可分为这样的三类： （a）后验概率分布问题 这类问题是已知某些变量的取值，计算另一些变量的后验概率分布。已知的变量可称为证据变量（evidence variables），记作E，取值记为e。需要计算后验概率分布的变量叫查询变量，记为Q。按证据变量和因果变量的不同逻辑关系，这种概率推理又可分成：从结果到原因的推理、从原因到结果的推理、同一结果的不同原因的关联推理以及包含以上三种的混合推理。 （b）最大后验假设问题（MAP） （c）最大可能解释问题（MPE）