En este artículo, se ha implementado la identificación de sistemas no lineales utilizando redes bayesianas para descubrir los parámetros del modelo aerodinámico lateral-direccional en bucle abierto de una aeronave ágil mediante una estructura de modelado de caja gris. Nuestra técnica novedosa se ha demostrado en datos de vuelo simulados de una simulación no lineal del F-16 de su Modelo Dinámico de Vuelo (FDM). Se ha obtenido un modelo matemático utilizando análisis de series temporales de una estructura de modelo Box-Jenkins (BJ), y se ha realizado un refinamiento de parámetros utilizando mecánica bayesiana. El Modelo Dinámico de Vuelo no lineal de la aeronave se excita adecuadamente con entradas de doblete, según los dictados de su frecuencia natural, de acuerdo con las estimaciones de modelado no paramétrico (Respuesta de Impulso Finito). Se registran las historias temporales de las entradas de doblete optimizadas en forma de deflexiones de alerón y timón, y salidas en forma de tasas de alabeo y guiñada. El conjunto de datos se preprocesa implementando técnicas de eliminación de tendencias, suavizado y filtrado. Se implementan de manera escalonada estructuras de modelado de caja gris en el dominio del tiempo de Identificación de Sistemas que incluyen Modelos de Error de Salida (OE) y Box-Jenkins (BJ) en múltiples condiciones de vuelo bajo diversos modelos estocásticos. Además, se obtiene un modelo parsimonioso de orden reducido utilizando el Criterio de Información de Akaike (AIC). La actividad de minimización del error de parámetros se lleva a cabo utilizando el Algoritmo de Levenberg-Marquardt (L-M), y el refinamiento de parámetros se realiza utilizando el Algoritmo Bayesiano debido a su conexión natural con el modelado de caja gris. Se realiza un análisis comparativo de diferentes estimadores no lineales para obtener las mejores estimaciones del modelo aerodinámico lateral-direccional de aeronaves supersónicas. La Evaluación de Calidad del Modelo se lleva a cabo a través de técnicas estadísticas, a saber: Análisis de Residuos, Porcentaje de Mejor Ajuste, Error de Porcentaje de Ajuste, Error Cuadrático Medio y Orden del Modelo. Los resultados han mostrado predicciones de modelo prometedoras de un solo paso con una precisión del 96.25%. Siendo una secuela de nuestro trabajo de investigación anterior para postular el modelo aerodinámico longitudinal de aeronaves supersónicas, este trabajo completa el modelo aerodinámico general, llevando a una mayor comprensión de sus leyes de control de vuelo y el posterior diseño del simulador.