(eng): In this contribution we shall discuss relation of two types of multidimensional models introduced within the framework of probability theory, which appeared to be in a sense equivalent: Bayesian networks and compositional models. Based on analysis of algorithms transforming one type of model into the other, we shall reveal a principal difference, which explains why marginalization is sometimes more efficient in compositional models than in Bayesian networks.

(cze): V příspěvku je diskutován vztah dvou typů mnohorozměrných pravděpodobnostních modelů, které jsou v jistém smyslu ekvivalentní: bayesovské sítě a kompozicionální modely. Na základě analýzy algoritmů převádějících jeden model na druhý je ukázán základní rozdíl, který umožňuje vysvětlit, proč je proces marginalizace kompozicionálních modelů algoritmicky jednodušší, než marginalizace kompozicionálních modelů