در مطالعه و تجزیه تحلیل مدلهای آماری دینامیک به کمک روشهای کلاسیک همواره با محدودیت های زیادی مواجه خواهیم شد. به علاوه اگر این مدلها با اطلاعات پیشین همراه شوند پیچیدگی محاسبات در آنها به مراتب زیادتر خواهد شد. با این حال با داشتن نمونه های تصادفی کافی از این مدلها و یا چگالیهای آماری ناشناخته آنها می توانیم به استنباط های مربوطه به کمک محاسبه امیدهای مختلف و بقیّه کمیّت ها بپردازیم. در این پایان نامه نخست برای رسیدن به اهداف مذکور روشهای معمول مونت کارلوی زنجیر مارکفی، مونت کارلوی دنباله ای، مدلهای مارکف و مدلهای مارکف مخفی و الگوریتم ژنتیک به طور اجمالی مورد بحث قرار خواهند گرفت. مقایسه روشهای پیچیده برآوردیابی و روشهای ساده به کمک مثالهای متنوع بررسی خواهد شد. سپس مدلهای لگ خطی و پارامتر پیوند در جداول پیشایندی را مورد برسی قرار خواهیم داد و در گام بعدی که اصلی ترین قسمت این پایان نامه است پارامتر پیوند و مدلهای پیوند در جداول پیشایندی2×2 را که در طول زمان به دست می آیند را از دیدگاه دینامیک یعنی وابستگی زمانی را با سه مدل پیشنهادی، مورد بررسی قرار خواهیم داد. این مدلها شامل مدل چندجمله ای، وابستگی مارکفی و مدل سینوس- کسینوسی هستند. این بخش کاملاً جدید بوده و نتایج حاصل که بررسی و استنباط کلاسیک و بیزی مربوط به سه مدل معرفی شده می باشد نیز آورده شده است. مدلهای معرفی شده با توجه به روند موجود در پارامتر پیوند که در این پایان نامه لگاریتم نسبت بخت ها در جداول پیشایندی 2×2 است پیشنهاد می شوند. در پایان از کلیه قسمت های موجود در این پایان نامه مثال های شبیه سازی متنوعی آورده شده است و نتایج به دست آمده نیز با شبیه سازی بررسی شده است. همچنین در این راستا ما از داده های مصنوعی نیز بهره جسته ایم. در این پایان نامه از نرم افزارهای مختلفی مانند matlab minitab ,splus r,openbugs ,winbugs ,march , استفاده کرده ایم. کلیه برنامه های اجرا شده ضمیمه شده اند.