事实认定是裁判者运用证据进行推理从而确定案件争议事实真相的过程,准确的认定案件事实对正确适用法律,实现司法公正具有重要意义。传统的事实认定方法不可避免的会受到裁判者主观因素的影响,为了减少事实认定的主观性和不确定性,本文提出了一种基于概率知识与逻辑法则的数理方法——贝叶斯方法。贝叶斯方法的应用为裁判者进行事实认定提供一种定量分析的研究方法,使得案件事实认定更加科学和公正,也为解决疑难案件中的事实认定问题提供了新的思路。事实认定中的贝叶斯方法主要包括两类:似然比和贝叶斯网络。基于贝叶斯定理的分数形式衍化而来的似然比方法可以有效的分析单个证据对假设的支持程度,是评价证据相关性和证明力的真正量化方法。借助似然比,裁判者可以更新对有关事实主张的先验信念。贝叶斯网络的特点在于能够直观地展示案件中证据和假设之间的因果关系,运用贝叶斯网络可以对案件进行完整的建模分析,评估事件发生的概率,作为裁判者判定案件事实是否成立的科学参考。论文的主要内容及结构如下:第一部分为事实认定的概率论基础,解释了为什么概率可以应用于事实认定中。主要介绍了事实认定的含义和特征,从特征出发,证据的证明力和证明标准都与概率有着密切的关切,此外概率推理是事实认定的定量研究方法,而在概率推理中最核心的就是贝叶斯概率方法。第二部分为贝叶斯方法的逻辑框架,主要介绍了贝叶斯定理及其应用,以及贝叶斯方法在应用中常见的谬误,最后是贝叶斯方法中支持者和反对者的一些代表性观点。第三部分介绍的是似然比,似然比是证据评价的最佳贝叶斯方法。内容上主要讨论了似然比的构建和价值,并明确似然比的计算需要依赖相关数据库的支持和合理的替代假设的选取,其后以具体案例介绍了似然比在司法实践中是如何应用的以及该方法存在的局限,并指出这些局限可以通过贝叶斯网络加以化解。第四部分为贝叶斯网络（BN）的相关知识。主要介绍了贝叶斯网络的数学模型、利用贝叶斯网络进行法律论证的基础知识、以及在实践中如何利用BN对案例进行建模分析和解决相关学者提出的悖论问题,最后指出贝叶斯网络强大的分析能力或将称为法律人工智能实现自动证据推理的一个可能的进路。