本书系统论述了人工智能领域中在推理方面的概率统计方法，其中包括作者的研究工作，主要内容包括：似然比推理，信任函数，规则与信任函数，多元信任函数与知识的表示和获取，似然比与统计推断，本书提出并处理了一些概论论和人工智能中不确定性推理的基础问题，对基础理论研究，开发各种类型的专家系统都有推动作用。

总序
前言
**章 绪论
**节 信息的不确定性
第二节 概率方法面临的困难
第三节 度量理论的重要性
第四节 效用函数
第二章 似然比
**节 概率与似然比
第二节 信息与似然比
第三节 事件与似然比
第四节 似然比的作用
第三章 信任函数
**节 信任函数的定义
第二节 D-S合成规则
第三节 扩充与条件信任函数
第四节 似然函数与信任函数
第五节 一个例子的讨论
第六节 图形信任函数
第四章 规则与信任函数
**节 信任结构与规则
第二节 复杂信任结构的分解
第三节 不确定性的传播
第五章 多元信任函数与知识的表示和获取
**节 知识表示的模型
第二节 基于多元信任函数的知识表示
第三节 主要算法
第四节 评注
第六章 似然比与统计推断
**节 广义贝叶斯假设
第二节 似然比检验
第三节 统计与常识推理
参考文献

本书提出并处理了一些概论论和人工智能中不确定性推理的基础问题，对基础理论研究，开发各种类型的专家系统都有推动作用。本书可供人工智能专家系统的工程技术人员、研究人员，概率统计专家阅读。