马尔科夫网络描述的是具有马尔科夫性质的随机变量X的联合分布的模型。
1.马尔科夫性质
那么，什么是马尔科夫性质呢？就是一组随机变量按时间顺序排列，第N+1时刻特性与N以前的随机变量取值无关。
马尔科夫网络是什么呢？马尔科夫网络具有图的性质和函数性质。图的性质是指：马尔科夫网络本质是个无向图，结点表示随机变量，边表示依赖关系。函数的性质是指：无向图H的团或子团k到非负实数的映射。
2.联合概率分布
如何用马尔科夫网络表示联合分布的概率呢？
即：P(X=x)=随机变量团映射的乘积。
注意的是：1）x是一组向量，也就是随机变量的组合因子；2）乘积之后的结果可能会很大，往往又进行归一化；3）根据马尔科夫网络的函数性质可知：随机变量团映射实质是将每组随机变量转化为非负实数。
3.马尔科夫网络的性质
马尔科夫网络中的结点X只依赖与邻接结点，而与任何其他结点独立。
