贝叶斯网络作为一种表示概率空间的模型,是对不确定问题模拟和推理的一种有效的工具,它利用一组随机变量之间的条件独立关系减少了对这组随机变量的联合概率分布进行表示时所需要的参数个数。其具有根据信息的变化而变化的能力,可以综合数据和专家先验知识来识别变量之间潜在的联系和相关程度。贝叶斯网络结构的学习就是寻找与已知数据及先验知识最匹配的网络结构图形。贝叶斯网络在实际问题中有广泛的应用,本文给出用贝叶斯网络方法进行因子分析的方法,并通过实例分析证明贝叶斯网络方法得到的结果能优于或相当于传统的因子分析方法的结果。同时由于其网络图形的形象性和直观性,贝叶斯网络方法作为非线性的因子分析,与传统因子分析方法相比较,有更广泛的应用,值得我们研究。文章最后对贝叶斯网络的分类进行深一步的讨论。