چکیده: مدل‌های پویا که دسته‌ی وسیعی از مدل‌های پارامتری هستند‏، کاربردهایی در مدل‌بندی و پیش‌بینی داده‌های سری‌ زمانی و رگرسیون دارند. استنباط این مدل‌ها معمولاً بر پایه‌ صورت‌های بازگشتی صافی کردن و هموارسازی بردارهای حالت با توجه به ساختار زمانی مشاهدات است‏، اما استنباط بیزی مدل‌های پیچیده‌ آن با استفاده از الگوریتم‌های ‎MCMC‎‏ بسیار وقت‌گیر است و در اغلب مواقع مشکل آمیختگی و همگرایی را نیز دارد. حال در این پایان‌نامه به بیان روش تقریب لاپلاس آشیانه‌ای جمع‌بسته می‌پردازیم که استنباط بیزی کامل را برای مدل‌های خطی پویا و مدل‌های تعمیم‌یافته پویا اجرا می‌کند و همچنین مستقیماً چگالی‌های پسین را تقریب می‌زند. برای بیان این روش مثال‌های شبیه‌سازی شده از مدل خطی پویا و مدل‌های فضایی-زمانی را ارائه می‌کنیم. همچنین‏، دو مثال واقعی‏، داده‌های مصرف گاز کشور انگلستان و آب زیرزمینی استان گلستان‏، را به وسیله این روش استنباط می‌کنیم.