主观Bayes方法是解决标准Bayes公式所存在的需要由逆概率去求原概率的问题。

全概率公式如下：

设时间A1,A2,A3,…,An满足：

（1）任意两个事件都不相容，即当i≠j时，有Ai∩Aj=Φ(i=1,2,….,n;j=1,2,…,n)

（2）P(Ai)>0(i=1,2,…,n)

（3）样本空间D，对任何事件B有下式成立：

Bayes公式：

设事件A1,A2,…,An满足上面的条件，则对任何事物B有下式成立：

该定理称为Bayes定理，上式也称为Bayes公式。

将全概率公式代入Bayes公式，有：

表示形式，在主观Bayes方法中，知识是用产生式表示的，形式为：

IF E THEN (LS,LN) H

其中，（LS,LN）表示该知识的知识强度，LS为充分性度量，LN为必要性度量。

几率函数：

X的几率等于X出现的概率与X不出现的概率之比，且P(X)与O(X)的变化一致。

当E为真时，可以用LS将H的先验几率O(H)更新为其后验几率O(H|E)

当E为假时，可以用LN将H的先验几率O(H)更新为其后验几率O(H|﹁E)

LS与LN的关系

由于E和﹁E不会同时支持或同时排斥H，因此只有下面三种情况存在：

a) LS>1且LN<1

b) LS<1且LN>1

c) LS=LN=1

主观Bayes方法推理的任务：

根据E的概率P(E)及LS和LN的值，把H的先验概率P(H)或先验几率O(H)更新为后验概率或后验几率。

 证据在当前观察下肯定为真时

当证据E肯定为真时，P(E)=P(E|S)=1。将H的先验几率更新为后验几率的公式为：O(H|E)=LS×O(H)

把H的先验概率P(H)更新为后验概率P(H|E)的公式，有

 证据在当前观察下肯定为假时

当证据E肯定为假时，P(E)=P(E|S)=0，P(﹁E)=1。将H的先验几率更新为后验几率的公式为：O(H|﹁E)=LN×O(H)

把H的先验概率P(H)更新为后验概率P(H|﹁E)的公式，有

 证据在当前观察下既非真又非假时

由杜达等人给出的公式有：

P(H|S)=P(H|E)×P(E|S)+P(H|﹁E)×P(﹁E|S)

a) P(E|S)=1

b) P(E|S)=0

c) P(E|S)=P(E)

d) P(E|S)为其它值

结论不确定性的合成

假设有n条知识都支持同一结论H,并且这些知识的前提条件分别是n个相互独立的证据E1,E2,…,En,而每个证据所对应的观察又分别是S1,S2,…,Sn。

求H的后验概率方法是：

a) 首先对每条知识分别求出H的后验几率O(H|Si)

b) 然后利用这些后验几率并按下述公式求出在所有观察下H的后验几率：