马尔可夫等价类（Markov equivalence class），理学-统计学-生物、医药、卫生统计-临床试验的自适应性设计，在概率图模型中，用来描述相同条件独立集的所有有向无环图构成的集合。图模型分为无向图和有向无环图（DAG）。有向无环图又称贝叶斯网络，可以用来表示因果关系。一个有向无环图可以对应一种联合概率密度（或者离散随机向量的联合概率分布）的分解，对应于随机变量之间的条件独立性。用代表维随机向量，根据其变量间的条件独立关系，可以用DAG表示：每个随机变量代表节点，其联合分布可以分解成如下形式：式中为随机变量在DAG上的父节点（指向节点的节点）。一般地，在一些基本假设（比如忠实性假设）下，在DAG中，若两个点没有边，对应于两个随机变量给定某些随机变量是条件独立的。如果随机变量在给定随机变量集是条件独立的，称三元组代表一个条件独立关系。把DAG代表的所有条件独立关系列出，可以得到条件独立集合，简称条件独立集。不同的DAG可能代表同样的条件独立集。 如果两个DAG表示的条件独立集是相同的，称这两个DAG是马尔可夫等价的，简称等价。所有等价的DAG，构成了马尔可夫等价类。